基于深度学习的连铸板坯表面缺陷检测系统

摘要

在连铸板坯的实际生产过程中,难免会产生各种类型的缺陷,及时发现存在缺陷的连铸板坯至关重要.在现场工业环境中,连铸板坯表面缺陷检测系统的技术难点主要包括如何满足工业检测的轻便性和实时性要求,以及如何对稀少的连铸板坯表面缺陷图像数据进行有效扩增.为了解决这些难点,一是构建基于YOLOv3模型的连铸板坯表面缺陷检测计算平台,通过gRPC(谷歌远程过程调用)框架实现从图像采集、图像处理到检测结果存储的端到端模式,使得整个检测系统具有很好的轻便性和实时性;二是构建基于循环式生成对抗网络的缺陷图像数据生成平台,通过有效地扩充缺陷图像数据来提高检测系统的精度,同时防止训练过程中出现的过拟合现象,以提高检测系统的鲁棒性.