基于Mask R-CNN的轮毂缺陷分割技术

Foreign Electronic Measurement Technology（2021）

引用 1|浏览4

暂无评分

摘要

汽车轮毂在铸造过程中不免有缺陷的产生,为实现工业检测自动化的需要,提出了基于Mask R-CNN的汽车轮毂缺陷自动分割方法,采用卷积神经网络模型训练参数来代替传统的人工设定参数.首次将Mask R-CNN应用于轮毂缺陷图像的识别,通过深层次的卷积网络训练可以使模型识别轮毂缺陷特征并将不同缺陷类型标注并分割开来,从而实现轮毂X射线图像的自动分割.实验表明,使用Mask R-CNN模型对复杂轮毂缺陷的识别率有93％以上,并对不同的缺陷类型都有效果,且每帧检测时间达到0.24 s/帧,满足工业轮毂缺陷检测的要求.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要