基于深度学习的磁环外观缺陷检测方法研究及应用

发布时间：2024-04-25 04:33

　　磁性材料是生产电子元器件的重要原材料之一,尤其在信息技术高速发展的二十一世纪,国民生活、工业和军事领域对电子设备的需求越来越大,所以对磁性元器件的需求量也随之增加,例如电容、电感以及IC等,进一步磁材料的外观缺陷检测市场需求随着电子产品市场的增张而增长。尤其在磁材料外观缺陷检测领域,传统的检测方法基本靠人肉眼识别,效率较低、成本较高,而且误检率高。近几年也有开始用机器视觉的方式进行外观检测,也逐步开始渗透整个领域,但是机器视觉也有缺点,使用场景单一、设备昂贵、算法设计有难度等等。本文针对以上在磁材料外观缺陷检测领域目前的存在的问题,结合近年来深度学习相关发展成果,提出了基于深度学习的磁材料的外观缺陷检测的研究与应用。重点是基于卷积神经网络,尤其是目标检测中的YOLO(You Only Look Once)算法,在现有采集到的样本数据上进行实验分析,实验结果证明了本文提出的方法的可行性。然后针对所采用的YOLO算法在本实验样本数据上存在的问题,又提出了两个改进点。第一个改进点是在空间特征和通道特征上增加注意力模型,在基础网络中嵌入CBAM(Convolutional Block Atte...

【文章页数】：99 页

【学位级别】：硕士

【部分图文】：

图2-1目标识别任务示意图

第二章卷积神经网络CNN研究综述第二章卷积神经网络CNN研究综述2.1引言随着机器学习的兴起，使得计算机能够模拟人脑的处理方式，具有一定的学习能力。TomMitchell在他的一本书[12]中做过如下定义，如果计算机能够在经验E不断提高的条件下，使得其在任务T中的衡量性能的指标P....

图2-2带有一层隐藏层的多层感知机

第二章卷积神经网络CNN研究综述在当年的ILSVRCb比赛中夺得冠军。2015年，微软亚洲研究院提出了跨层连接(skipconnections)的思想，并由此构造出了残差网络ResNet[22]，其中由152个卷积层构成的残差网络以3.6%的误检率获得了2015年ILSVRC比赛....

图2-3单个神经元结构示意图

第二章卷积神经网络CNN研究综述图2-3单个神经元结构示意图神经单元的作用是通过一系列变换把输入向量X转换成输出向量Hout,其中输出向量Hout与输入向量X的映射关系如下：Hin=∑=w1x1+w2x2+w3x3+...+b=n∑i=1wixi+bHout=σ(∑)=σ(n∑i....

图2-4simmoid函数图像

电子科技大学硕士学位论文图2-4simmoid函数图像可以看出当输入接近0时，sigmoid函数接近线性变换，根据求导链式法则，sigmoid函数的导数为:sigmoid′(x)=sigmoid(x)(1sigmoid(x))(2-4)下面绘制simmoid函数的导数的图像如图2....

本文编号：3964012