基于异域数据联邦学习的金属板表面划痕检测
蔡剑锋
柏俊杰
向洪成
胡林
周涛琪
高帅
重庆科技学院电气工程学院,重庆401331
摘要：由于真实工业场景下的部分工业缺陷太少,导致深度学习应用在表面缺陷检测困难.针对金属板材表面缺陷检测的真实工业环境中所存在的小样本问题,本文提出了异域数据联邦检测模型,采用轻量级网络MobileNet-YOLOv3,有效利用不同领域的划痕数据,分场景训练检测模型.实验结果表明,通过异域数据结合训练的检测模型拥有一个很好的划痕检测效果,金属板训练的本地模型的mAP为94.95％,比传统数据增广方法训练模型mAP高5％,比YOLOv3的推理速度减少44.8％.
关键词：小样本问题异域数据划痕检测
分类号：TP391(计算技术、计算机技术)
资助基金：中国高校产学研创新基金-异构智能计算项目(2020HY06001)
论文发表日期：2022-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 40-44 )
英文信息