基于深度学习的工业视觉检测系统

针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能。设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果。实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性。

基于深度学习的工业机器人视觉系统缺陷检测与分类

受智能制造技术影响,利用工业机器人视觉系统进行产品缺陷检测成为工业生产的一种常见手段.现有的检测方式相对缓慢且检测精度低,但是借助深度学习可以有效解决传统检测方法存在的问题,这是由于其强大的特征提取能力和分类能力.为了准确地对工业机器人视觉系统基于深度学习的缺陷检测与分类方法进行研究,本文将目前已有算法进行归纳总结,并对其进行分析对比;在此基础上,进一步提出提升工业机器人视觉系统检测准确性与稳定性的方法,并展望了工业机器人视觉系统缺陷检测的未来发展.

基于深度学习的工业视觉检测系统

针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能.设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果.实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性.

基于深度学习的工业产品表面缺陷视觉检测方法研究

随着深度学习的发展,基于深度学习的表面缺陷检测方法开始被应用于现实工业生产场景中.但是这些方法一般是基于监督学习的方法,训练模型时需要大量的缺陷标注样本.在现实工业场景中存在缺陷样本收集困难,无法收集涵盖所有类型的缺陷样本,缺陷样本标注需要耗费大量的...