基于深度学习的铝型材表面缺陷检测研究

基于深度学习的铝型材表面缺陷检测研究

刘国民１　温秀兰１（通讯作者）　高华卿１　林玮轩１　曾昱宁２

（１.南京工程学院自动化学院；２.南京工程学院经济与管理学院）

摘　要：针对铝型材表面缺陷检测的精度和效率较低等问题，本文提出一种基于Ｙｏｌｏｘ深度学习的铝型材表面缺陷检测方法。该方法采用Ｙｏｌｏｘ－ｓ深度学习模型进行训练，并对已有的缺陷数据集通过旋转、调整亮度、对比度等方法进行扩充，将扩充后的７０％、２０％、１０％的数据集分别用于训练集、验证集、测试集，进行实验验证。结果表明：与经典Ｙｏｌｏｖ３、Ｙｏｌｏｖ５及Ｙｏｌｏｖ７算法相比，该方法的缺陷检测准确率高达９０％，适用于铝型材行业。

关键词：深度学习；Ｙｏｌｏｘ－ｓ；铝型材；表面缺陷检测