一种基于深度学习视觉的钢铁缺陷检测技术应用

缺陷识别是钢铁检测领域的重要问题之一。人工检测经常会出现误检、漏检等问题，最终导致准确率低、检测返工、延迟交付等一系列影响检测质量的问题。利用深度学习神经网络模型代替传统人工检测的解决方案逐渐成为工业检测领域的研究热点。针对钢材表面缺陷检测问题，对现有钢材数据集进行了低光处理数据增强，输入深度学习框架优化训练，得到了神经网络钢材缺陷检测模型。实验结果显示，神经网络钢铁检测模型在检测速度与准确率方面均超过人类检测员，提供一种多场景下代替传统人工检测的钢材缺陷检测深度学习工业部署方案。