基于深度卷积神经网络的手机玻璃盖板表面缺陷分类检测研究

摘要

为了实现手机玻璃盖板表面点缺陷、线缺陷和块状缺陷的分类检测,主要研究可以自动提取特征的深度卷积神经网络模型.首先针对数据缺乏问题,提出子图像划分和随机缺陷合成算法,构建了MPGC-DET数据集.为了提高模型的泛化性,以现代成熟的深度卷积神经网络模型为基础,并结合迁移学习和SE模块,搭建手机玻璃盖板表面缺陷分类检测模型.实验表明,最终分类准确率达96.40％,并且使用了Grad-CAM技术进行可视化分析,结果显示模型是根据缺陷所在区域特征进行预测的,说明没有出现过拟合现象.