文章编号：1002-2082(2023)01-0104-09基于优化残差网络的复杂纹理表面缺陷检测林李兴1，夏振平1,2，徐浩1，宋玉2，胡伏原2（1.苏州科技大学物理科学与技术学院，江苏苏州215009；2.苏州科技大学电子与信息工程学院，江苏苏州215009）摘要：产品表面缺陷检测是工业自动化生产的重要环节，准确率是评价自动检测系统可靠性的主要指标。基于复杂纹理表面缺陷检测的特殊性以及对检测方法的实时性、通用性等要求，提出了优化骨干网络并使用迁移学习特征映射构建复杂纹理表面缺陷的检测方法。该方法通过优化残差网络模型并建立仿真数据集的方式进行迁移学习，以解决实际情况中复杂纹理表面产品数据集样本数量少、数据集制作困难、相似问题难以互相兼容等问题。实验结果表明，提出的方法可以准确地检测随机复杂纹理的人造木质板材表面缺陷，平均准确率可达99.6%。现有实验条件下单张人造木质板材的检测时间为305ms，可以满足在线检测的实时性要求。研究结果可为基于深度学习的复杂纹理表面缺陷检测提供新的思路与理论参考。关键词：机器视觉；复杂纹理；残差网络；迁移学习；缺陷检测中图分类号：TN27文献标志码：ADOI：10.5768/JAO202344.0102006DefectdetectiononcomplextexturesurfacebasedonoptimizedResNetLINLixing1，XIAZhenping1,2，XUHao1，SONGYu2，HUFuyuan2（1.CollegeofPhysicalScienceandTechnology,SuzhouUniversityofScienceandTechnology,Suzhou215009,China；2.CollegeofElectronicsandInformationEngineering,SuzhouUniversityofScienceandTechnology,Suzhou215009,China）Abstract：Defectdetectionofproductsurfaceisanimportantpartofindustrialautomaticproductionandtheaccuracyisthemainindextoevaluatethereliabilityofautomaticdetectionsystem.Basedontheparticularityofdefectdetectiononcomplextexturesurfaceandtherequirementsofreal-timeanduniversaldetectionmethods,adetectionmethodforoptimizingthebackbonenetworkandusingthetransferlearningfeaturemappingtoconstructthecomplextexturesurfacedefectswasproposed.Inthismethod,theResNetmodelwasoptimizedandthesimulationdatasetwasestablishedfortransferlearning,soastosolvetheproblemssuchasthesmallnumberofsamplesinthedatasetofcomplextexturesurfaceproducts,thedifficultyofdatasetmaking,andthedifficultyofsimilarproblemstobecompatiblewitheachothe...
