《基于优化深度学习的电动桥铸件表面瑕疵识别方法》

技术简介：

针对传统电动桥铸件瑕疵检测方法普遍存在效率低、检测精度低、人工成本高等问题，文章将优化深度学习方法应用于铸件表面瑕疵检测中，实现瑕疵自主精确检测识别。依据铸造厂待检测铸件表面特征，对铸件图像进行了前期图像预处理；同时，基于优化网络模型结构，采用残差网络(Res-Net)与特征金字塔网络(FPN)构成的骨干结构，进行全图特征提取；采用区域建议网络(RPN)生成大量特征建议区域，经非极大值抑制(NMS)处理后，分别输入全连接层与全卷积完成检测任务；运用TensorFlow深度学习框架搭建模型，并采用迁移学习提高模型的泛化能力，实验结果显示，优化后的模型整体性能优于原始模型。

研发人员：吴鹏;陈信华;马宇超;王鼎;陈帅;