基于迁移学习的硅钢钢带缺陷识别评级研究

《基于迁移学习的硅钢钢带缺陷识别评级研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10255学号：2161302基于迁移学习的硅钢钢带缺陷识别评级研究RESEARCHONRECOGNITIONANDEVALUATIONOFSILICONSTEELSTRIPEDEFECTSBASEDONTRANSFERLEARNING学科专业：控制工程论文作者：赵轶指导老师：刘堂友答辩日期：2018年5月24日东华大学2018博/硕士学位论文答辩委员会成员名单姓名职称职务工作单位备注中科院上海技术物代作晓研究员答辩委员会主席理研究所白恩健副教授答辩委员会委员东华大学谢颖华副教授答辩委员会委员东华大学吴怡之副教授答辩委员会委员东华大学吴赟副

2、教授答辩委员会委员东华大学陈雯副教授答辩委员会委员东华大学范红副教授答辩委员会秘书东华大学东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构

3、送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月日基于迁移学习的硅钢钢带缺陷识别评级研究基于迁移学习的硅钢钢带缺陷识别评级研究摘要随着我国经济快速地发展，社会对于电力资源的需求剧增，因此，电力基础设施建设显得尤为重要。硅钢片作为许多电力设备中的铁芯的重要制作材料，其质量好坏对整个电力设备生产链都有着深远影响。工业生产

4、过程中，受制于生产环境、制造工艺等因素影响，钢带表面容易产生一些缺陷。因此，十分有必要对钢带表面缺陷进行精确识别，以提高产品质量，从而保证电力设备的性能优异。鉴于目前常用的人工检测与传统机器学习方法存在效率低下、识别率不高、特征工程复杂等诸多缺点，本文根据实际生产需求，提出了基于卷积神经网络的迁移学习方法，实现了特征抽取的自动化操作，克服了小样本训练的困难，获得了远超传统方法的缺陷识别准确率，最高可达96%，主要工作内容如下所述。首先，进行图像采集以及预处理操作，构建标准图像数据集。本文首先介绍了图像数据采集中遇到的照明反光问题，并提出了类似积分球装

5、置的照明解决方案。受生产线环境限制工业相机不能垂直钢带安装，导致所采集的钢带图像存在畸变，本文采用透视投影变换方法完成了图像的几何校正工作；接着使用Canny边缘检测算法对图像缺陷边缘进行描绘检测，获得了缺陷完整的边缘信息；随后在识别缺陷I基于迁移学习的硅钢钢带缺陷识别评级研究轮廓的基础上，使用区域种子填充算法求得了各种类型缺陷的面积，有助于厂商根据钢带缺陷面积占比对钢带质量进行不同评级认定，从而制定不同的价格以获取利润最大化；最后依据缺陷面积以及经验判断，对缺陷图像进行标签标注，构造标准的数据集。其次，对卷积神经网络算法及迁移学习理论进行了研究，阐

6、述了卷积神经网络模型构建、参数更新、模型训练方法的原理及具体的应用细节，然后构建了端到端的域间异构迁移学习卷积模型。该模型实现了特征提取的自动化操作，能够将图像底层特征逐步抽象为图像高层语义特征，从而清晰展现了缺陷的各种模式特征。此外，基于预训练模型的迁移学习方法有效克服了小样本训练困难，防止了模型过拟合，缺陷识别准确率得以大幅提升。通过比较本文方法与经典卷积神经网络的区别，发现本文方法更佳，不仅识别率更高，而且运算更快，可有效减少时间成本。最后，微调模型结构，获得更高的缺陷识别准确率。通过预训练模型参数迁移进行层冻结实现模型的微调，然后观察不同卷积

7、层的特征表达能力以及对模型性能的影响，从而针对性的基于硅钢钢带缺陷图像数据采用合理的层冻结技术，减少模型训练时间，增强卷积神经网络的鲁棒性，使得模型的识别准确率进一步提升。最终，模型可实现缺陷类别准确预测及求取缺陷面积的功能。关键词：缺陷识别；图像处理；卷积神经网络；迁移学习；模型微调II基于迁移学习的硅钢钢带缺陷识别评级研究RESEARCHONRECOGNITIONANDEVALUATIONOFSILICONSTEELSTRIPEDEFECTSBASEDONTRANSFERLEARNINGABSTRACTWiththerapiddevelopmen

8、tofChina'seconomy,thedemandforelectricpowerresourcesha