基于深度学习的微晶玻璃气泡缺陷检测
王震1
李伟仙1
吴思进1
金梓翔1
邓捷2
1.北京信息科技大学仪器科学与光电工程学院 北京 1001922.新华三云计算技术有限公司 四川成都 610000
摘要：微晶玻璃内部气泡缺陷会影响材料性能,气泡缺陷状况评估是微晶玻璃材料性能的重要环节.传统微晶玻璃缺陷检测方法为人工检测,该方法存在检测效率低、人工任务繁重的问题,无法满足实际需求.针对现有的人工检测方式的不足,设计了一种基于深度学习YOLOv5网络的微晶玻璃气泡缺陷检测算法.首先对数据集通过Mosaic增强方法实现归一化处理,之后再对数据集利用YOLOv5网络实现迭代训练,最后保留最优权重并通过实验进行实际测试.实验结果表明,相较于其他深度学习网络,YOLOv5网络检测效率及精度均较高,可以满足实际使用需求.
关键词：深度学习微晶玻璃气泡检测缺陷检测YOLOv5
论文发表日期：2023-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 58-61,67 )