Abstract：
缺陷检测是钢铁生产质量管控的重要一环,基于视觉和深度学习的钢铁缺陷自动检测受到了广泛关注.针对卷积神经网络计算及存储资源要求高的问题,基于二值卷积神经网络实现了轻量的钢铁缺陷检测网络.具体地,基于空洞卷积,设计了一种具有分支结构的可融合的二值卷积神经网络,在降低了参数和计算量的同时,有效提升分类准确率.实验结果表明,该网络参数大小为ResNet-18 的 6.99%,在NEU-CLS数据集上表面缺陷识别率接近最新的全精度PSO-Ga-bor-CNN算法,达到 98.11%.
Keyword：
Reprint 's Address：
Email：
Source ：
工业控制计算机
ISSN： 1001-182X
Year： 2023
Issue： 7
Volume： 36
Page： 45-47
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
