基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法

文档名：基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法
摘要：由于球的形状特点,视觉方法需要处理多个角度的图像才能实现对单个球进行完整的缺陷识别,对图像处理速度要求较高.此外,卷积神经网络的浮点运算量(FLOPs)高,推理速度通常较慢.针对上述问题,基于MobileNetV3设计了更轻量化的卷积神经网络.首先通过改变宽度因子、减少基本单元数量、使用Ghost模块代替标准卷积降低原始网络参数量.最后通过坐标注意力机制提高网络对缺陷的识别准确率.实验结果表明,在氮化硅陶瓷球表面缺陷数据集上,提出的轻量化卷积神经网络相较于原始网络仅有2.2％的准确率损失.网络浮点运算量和参数量分别为原始网络的10.4％和3.3％,在边缘计算设备JetsonAGXXavier上的推理时间小于7ms,相较于原始网络提升超过40％,能够满足工业现场实时检测的需求.

作者：付鲁华  庞家明  孙长库  王鹏Author：FULuhua  PANGJiaming  SUNChangku  WANGPeng
作者单位：天津大学精密测试技术及仪器国家重点实验室,天津300072
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(7)
分类号：TP391
关键词：缺陷识别  陶瓷球  Ghost  坐标注意力  
Keywords：defectidentification  ceramicball  Ghost  coordinateattention  
机标分类号：TP391.41TN957.52TH133.33
在线出版日期：2023年12月12日
基金项目：基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法[
期刊论文]  传感技术学报--2023, 36(7)付鲁华  庞家明  孙长库  王鹏由于球的形状特点,视觉方法需要处理多个角度的图像才能实现对单个球进行完整的缺陷识别,对图像处理速度要求较高.此外,卷积神经网络的浮点运算量(FLOPs)高,推理速度通常较慢.针对上述问题,基于MobileNetV3设计了更轻量...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法  Fast Recognition Method of Ceramic Ball Surface Defects Based on Lightweight Convolution Neural Network

基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法.pdf

2024-12-14 12:11 上传 基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法.pdf

文件大小:

2.06 MB

下载次数:

60

高速下载