基于深度学习的金属表面缺陷识别方法

针对金属产品表面缺陷识别过程中,缺陷类型多样、大小形态各异等问题,提出了一种基于多尺度残差卷积网络的深度学习模型。该网络以Res Net50作为特征编码器提取具有不同分辨率的特征图以捕获多尺度特征信息,从而提高其识别不同尺寸缺陷的能力;同时采用多层感知机（Multi-Layer Perceptron, MLP）进行多尺度特征的自适应融合,将浅层卷积获取的图像纹理和边界等特征和深度卷积提取的复杂语义特征信息进行信息交互和特征细化,以提升网络模型识别性能。实验结果表明,文章所提出算法在NEU-DET数据集上准确率达到了98.06%,相比其他模型具有更高的识别精度。