多类型表面缺陷机器视觉检测方法研究--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

本文在全面调研工业领域缺陷检测现状的过程中，发现工业领域中表面缺陷检测因为样本数量不足、检测精度和实时性要求高、缺陷种类繁多等各种难题。这样，在进行多类型表面缺陷检测时，基于机器视觉的检测方法在实际应用时十分困难，为了解决这些难题，本文根据多类型表面缺陷检测中存在缺陷样本稀少且样本搜集困难、缺陷检测中算法模型多且检测成本高、缺陷种类繁多且检测场景复杂等问题，提出了基于深度学习的技术解决方案，采用生成对抗网络、目标检测网络和迁移学习等最前沿的深度学习技术手段建立了完善的缺陷样本数据集，提高了缺陷检测的精度，并且对不同种类缺陷检测快速地训练新模型，同时还设计了一个多类型表面缺陷智能视觉检测的Web在线系统，整合了三种技术方案，并且可以实时显示多类型表面缺陷检测的效果。

作者简介

舒雨锋，副教授，博士，东莞职业技术学院智能制造学院副院长。2001.09-2005.07，燕山大学机械设计制造及其自动化，大学本科；2005.09-2008.07，华南理工大学机械电子工程，硕士研究生；2014.09-2022.07，华中科技大学机械电子工程，博士研究生。广东省教育厅教学成果一等奖1项；校级教学成果特等奖2项；广东省教育厅教学能力比赛三等奖3项；广东省教育厅优秀教学团队“机械制造与自动化专业教学团队”；参与机械行指委高职本科数控技术专业教学标准的研制。主要著作：《机械制造基础》ISBN：978-7-5661-2320-6，主编，哈尔滨工程大学出版社；《数控机床安装与调试》ISBN：978-7-313-16925-9，主编，上海交通大学出版社；《数控机床电气控制与联调》ISBN：978-7-5609-8041-6，副主编，华中科技大学出版社；《数控机床与操作》ISBN：978-7-5609-7864-8，副主编，华中科技大学出版社。

1 绪论1 1.1 课题研究背景、目的及意义1 1.2 国内外相关研究现状3 1.3 电动机换向器表面缺陷检测需求分析10 1.4 本书主要工作12 2 基于CCAWGAN模型的缺陷样本生成方法15 2.1 引言15 2.2 图像生成和图像融合理论分析16 2.3 基于CCAWGAN模型的缺陷样本生成方法设计22 2.4 实验验证与结果分析32 2.5 本章小结40 3 基于FIYOLOv4模型的表面缺陷目标检测方法42 3.1 引言42 3.2 YOLOv4模型42 3.3 基于YOLOv4的FIYOLOv4模型设计46 3.4 实验验证与结果分析65 3.5 本章小结77 4 基于PSFTM模型的多类型表面缺陷检测方法78 4.1 引言78 4.2 迁移学习理论分析78 4.3 基于迁移学习的PSFTM模型设计82 4.4 实验测试及结果分析89 4.5 本章小结95 5 多类型表面缺陷检测系统设计与应用96 5.1 引言96 5.2 多类型表面缺陷检测系统设计97 5.3 多类型表面缺陷检测系统开发103 5.4 多类型表面缺陷检测系统实例验证110 5.5 本章小结119 6 结论与展望120 6.1 本书结论120 6.2 本书创新点122 6.3 研究展望122 参考文献124

多类型表面缺陷机器视觉检测方法研究

库存： {{selectedSku?.stock}} 库存充足