化学工程与过程技术杂志
开放获取

抽象的

使用卷积神经网络进行钢材表面缺陷检测

尤斯拉·卡特布

钢材表面检测与产品的工业质量相关，受到了极大的关注。在您的大部分时间里，人们已经用多种支持图像分类的方法研究了钢材缺陷检测，但这些方法只能在非常有限的条件下（如照明、明显轮廓、对比度和噪声等）检测到此类相当的缺陷。在本文中，我们将讨论使用卷积神经网络自动检测钢材表面缺陷，这可以将引线分类为特定类别。我们使用的钢材将经过严格分类，但成像条件并不相同，这通常是 CNN 在我们工作中的优势。结果的准确性和稳健性非常令人满意。钢铁无疑是最重要的，多功能且适应性最强的材料。如果没有钢铁，人类的大事就不可能发生。发达经济体的支柱是钢铁的强度和固有用途。此外，与其他同类材料相比，生产成本较低。从矿石中提取铁所需的能量大约是提取铝所需能量的 25 倍。钢材是环保的，因为它经常被回收利用。5.6% 的铁元素存在于地壳中，代表了安全的主食基础。产量比所有有色金属的总产量高出 20 倍。这项工作的目的是检测工业钢中出现的缺陷。我们选择了预训练网络和卷积神经网络来提高检测精度。