基于卷积神经网络的漏液视觉检测

摘要

针对在工厂内设备结构复杂、杂物种类众多、地面磨损严重的现场环境下进行漏液检测时,传统图像处理方法准确率低的问题,本文提出一种基于CNN的漏液检测算法.通过对漏液检测问题进行分析,制作数据集,建立VGG16模型并结合早停算法训练样本,避免过拟合状态,实现了对复杂管道的漏液快速自动检测.在工业现场,该方法可以准确识别漏液并减小噪声干扰的影响.最终通过与多种图像处理方法作对比验证了本文算法的优越性.结果表明,该算法测试准确率可以达到99.44％,预测准确率达到97.0％,高于传统图像处理算法的准确率,且单张图片预测时间约0.2 s,满足工业现场的检测需求.