• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的橡膠制品缺陷檢測(cè)技術(shù)創(chuàng)新

    2023-08-08 13:16:26朱世元方世鵬
    粘接 2023年7期
    關(guān)鍵詞:橡膠制品識(shí)別技術(shù)研究

    朱世元 方世鵬

    摘 要:橡膠制品表面缺陷會(huì)極大地影響產(chǎn)品的性能、安全性和可靠性。傳統(tǒng)的基于人的視覺(jué)檢測(cè)準(zhǔn)確率低且耗時(shí)長(zhǎng),現(xiàn)有的機(jī)器視覺(jué)檢測(cè)技術(shù)主要依靠人工完成,無(wú)法有效精準(zhǔn)對(duì)橡膠制品缺陷檢測(cè)。針對(duì)橡膠制品中各種缺陷檢測(cè)識(shí)別問(wèn)題,采用基于深度學(xué)習(xí)模型的多尺度缺陷檢測(cè)方法,使用橡膠制品表面缺陷圖像對(duì)該網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和評(píng)估。研究結(jié)果顯示,所建立的檢測(cè)模型對(duì)橡膠制品凹坑檢測(cè)準(zhǔn)確率較高,平均精度為92.7 %,可以有效檢測(cè)橡膠制品小缺陷,且基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型的初始總損失相對(duì)較小,在100~150個(gè)歷時(shí)之間趨于穩(wěn)定。

    關(guān)鍵詞:深度學(xué)習(xí);橡膠制品;缺陷;識(shí)別;技術(shù)研究

    中圖分類號(hào):TQ330.7

    文獻(xiàn)標(biāo)志碼:A

    文章編號(hào):1001-5922(2023)07-0026-04

    Innovation on rubber product defect detection and recognition technology based on deep learning

    ZHU Shiyuan,F(xiàn)ANG Shipeng

    (Yanan University,Yanan 716000,Shaanxi China

    Abstract:Surface defects in rubber products can greatly affect the performance,safety,and reliability of the product.Traditional human based visual inspection has low accuracy and long time consumption.However,existing machine vision inspection technologies mainly rely on manual work and cannot effectively and accurately detect defects in rubber products.Therefore,in response to various defect detection and recognition issues in rubber products,a multi-scale defect detection method based on depth models is adopted.The network was trained and evaluated using surface defect images of rubber products.The research results show that the detection model established in this article has a high accuracy in detecting pits in rubber products,with an average accuracy of 92.7%.It can effectively detect small defects in rubber products.Moreover,the initial total loss of the neural network model based on deep learning is relatively small,and tends to stabilize between 100 and 150 durations.

    Key words:deep learning;rubber products;defects;recognition;technical research

    絕大多數(shù)傳統(tǒng)橡膠制品不溶,難以再加工和生物降解,造成黑色污染。而將聚丁二烯基加入橡膠制品可以有效加速橡膠制品降解速率。其中聚丁二烯基橡膠制品表面質(zhì)量是評(píng)價(jià)橡膠制品整體質(zhì)量的重要指標(biāo)[1]。研究指出受原材料運(yùn)輸、生產(chǎn)工藝水平、工人操作標(biāo)準(zhǔn)等因素的影響,聚丁二烯基橡膠制品經(jīng)常出現(xiàn)凹坑、氣泡、劃痕等表面缺陷[2]。如果表面缺陷問(wèn)題不能及時(shí)發(fā)現(xiàn)和解決,就會(huì)出現(xiàn)不合格的產(chǎn)品,這將給企業(yè)帶來(lái)很大的經(jīng)濟(jì)負(fù)擔(dān)[3]。目前,企業(yè)生產(chǎn)中聚丁二烯基橡膠制品表面缺陷的檢測(cè)仍處于人工目視檢查去除不良品的階段[4-5]。檢測(cè)效率低,勞動(dòng)強(qiáng)度高。因此,迫切需要一種智能高效的檢測(cè)方法來(lái)替代人工。

    基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)通過(guò)將數(shù)據(jù)和低級(jí)特征轉(zhuǎn)換為更抽象和復(fù)合的表示來(lái)發(fā)現(xiàn)其輸入數(shù)據(jù)的分布式表示[6]。分析結(jié)果表明,人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)可以自動(dòng)從大型訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)高度抽象和不變的特征,而不是人為地構(gòu)建低級(jí)特征;因此,它可以穩(wěn)健地適應(yīng)各種計(jì)算機(jī)視覺(jué)任務(wù)[7]。

    且在計(jì)算機(jī)視覺(jué)中,深度學(xué)習(xí)的對(duì)象往往是自然圖像,包括行人、車輛、動(dòng)物和人臉等;但利用深度學(xué)習(xí)檢測(cè)橡膠制品表面缺陷的研究較少[8]。因此,本文提出了一種基于深度學(xué)習(xí)的聚丁二烯基橡膠制品表面缺陷檢測(cè)網(wǎng)絡(luò)。該網(wǎng)絡(luò)基于Faster R-CNN和特征金字塔網(wǎng)絡(luò)(FPN),可以有效檢測(cè)橡膠制品各種尺度的表面缺陷。

    1 橡膠制品表面缺陷圖像識(shí)別

    根據(jù)聚丁二烯基橡膠制品缺陷的工藝和原因不同,分為嚴(yán)重危害缺陷、自然缺陷和加工缺陷[9-11]。其中,嚴(yán)重缺陷和自然缺陷,具有一定的形狀和結(jié)構(gòu)特征,如圖1所示。一般來(lái)說(shuō),聚丁二烯基橡膠制品缺陷可分為:氣泡、致密性差、腐爛等。實(shí)驗(yàn)使用的原始數(shù)據(jù)集來(lái)源于某橡膠制品公司采樣所得圖像。掃描獲取橡膠制品圖像時(shí),掃描儀的掃描速度為170~5 000 Hz;Z方向分辨率為 0.055~0.200 mm;X方向分辨率為 0.275 5~0.550 mm;并且彩色像素分辨率可以達(dá)到(1×0.5)mm。該數(shù)據(jù)集包括5 000張橡膠制品的缺陷圖。每個(gè)圖像的位深度為24,大小為100×100像素級(jí)別。

    2 表面缺陷檢測(cè)網(wǎng)絡(luò)模型建立

    利用 FasterR-CNN對(duì)聚丁二烯橡膠制品表面缺陷進(jìn)行分類、定位,建立了多尺度缺陷檢測(cè)網(wǎng)絡(luò)模型[12]。Faster R-CNN系統(tǒng)由特征提取網(wǎng)絡(luò)(FEN)、區(qū)域提議網(wǎng)絡(luò)(RPN)、感興趣區(qū)域(ROI)以及分類和回歸層組成??紤]到橡膠制品表面缺陷的特點(diǎn),在基本的Faster R-CNN中加入了FPN的特征融合思想以提高缺陷檢測(cè)性能。

    2.1 特征提取網(wǎng)絡(luò)

    特征提取網(wǎng)絡(luò)是一個(gè)大型的區(qū)域提議網(wǎng)絡(luò),可以從輸入的圖像中自動(dòng)提取高級(jí)特征。在研究中,可以使用ResNet101來(lái)獲得高層次和語(yǔ)義強(qiáng)的特征。而ResNet101的基本結(jié)構(gòu)是一個(gè)瓶頸,可以有效解決網(wǎng)絡(luò)模型性能下降的問(wèn)題,并引導(dǎo)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型更深入的檢測(cè)聚丁二烯基橡膠制品缺陷[13]。瓶頸包含3個(gè)卷積層:1×1、3×3和1×1,后面分別是“Relu”激活函數(shù),以及“快捷連接”,即跳過(guò)一個(gè)或多個(gè)層,直接將輸入映射到輸出,而不增加額外參數(shù)。

    2.2 區(qū)域提議網(wǎng)絡(luò)

    在特征融合之后,區(qū)域提議網(wǎng)絡(luò)(RPN)可以生成區(qū)域建議或感興趣的區(qū)域(ROI),即缺陷周圍的矩形區(qū)域,包括每個(gè)建議中的前景(包含缺陷)的概率。改進(jìn)的RPN是一個(gè)全卷積網(wǎng)絡(luò),主要由一個(gè)3×3的卷積層和2個(gè)同級(jí)的1×1的卷積層實(shí)現(xiàn)的,用于分類和回歸[14]。將全卷積網(wǎng)絡(luò)(3×3卷積層和2個(gè)1×1卷積層)附加到特征提取網(wǎng)絡(luò)(FEN)輸出的每個(gè)特征圖上,然后生成幾個(gè)包含每個(gè)錨點(diǎn)的缺陷/非缺陷估計(jì)概率以及從錨點(diǎn)到區(qū)域建議的預(yù)測(cè)坐標(biāo)轉(zhuǎn)換的向量。

    2.3 改進(jìn)ROI區(qū)域

    改進(jìn)的RPN輸出的區(qū)域建議具有不同的維度,并且最終分類和回歸層的輸入需要相同的大小,因此ROI區(qū)域的目的是執(zhí)行最大檢測(cè)最大效率化,將任何建議內(nèi)的特征轉(zhuǎn)換為具有固定大?。ɡ?,7×7)的向量。首先,將不同大小的區(qū)域方案劃分為大小相等的部分,如7×7;然后,輸出每個(gè)部分中的最大值,并且可以獲得固定大小的向量[15]。此外,在進(jìn)行ROI區(qū)域確定操作之前,需要將帶有(x1,y1)和(x2,y2)的區(qū)域建議映射到橡膠制品特征圖中。將4個(gè)特征圖{P2,P3,P4,P5}輸入到ROI區(qū)域中,進(jìn)一步確定ROI區(qū)域范圍。并將寬度(w)和高度(h)(在輸入圖像上)的區(qū)域分配給特征圖Pk,如式(1):

    k=4+log2(wh/224)(1)

    2.4 網(wǎng)絡(luò)訓(xùn)練

    多尺度缺陷檢測(cè)網(wǎng)絡(luò)是由網(wǎng)絡(luò)的結(jié)構(gòu)和卷積層的權(quán)重組成。當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)完成后,需要獲得卷積層的最佳權(quán)重。網(wǎng)絡(luò)訓(xùn)練是一個(gè)實(shí)現(xiàn)權(quán)重優(yōu)化并引導(dǎo)網(wǎng)絡(luò)預(yù)測(cè)接近輸入真實(shí)性的過(guò)程,它由前向傳播和后向傳播組成。前向傳播是按照從輸入到輸出的順序計(jì)算和存儲(chǔ)網(wǎng)絡(luò)的中間變量(包括輸出)。后向傳播是指計(jì)算網(wǎng)絡(luò)的損失(輸出與輸入的真實(shí)性之差)并利用損失的梯度更新權(quán)重的方法[16]。多尺度缺陷檢測(cè)網(wǎng)絡(luò)的損失來(lái)自改進(jìn)的RPN以及分類和回歸層。在訓(xùn)練中,損失的選擇是非常重要的。對(duì)于分類層和回歸層,改進(jìn)的RPN是端到端訓(xùn)練的。因此使用Fast R-CNN中的多任務(wù)損失L來(lái)訓(xùn)練改進(jìn)的RPN:

    L(pi,ti)=1Ncls∑Lcls(pi,pi*)+λ1Nreg∑ipi*×Lreg(ti,ti*)(2)

    式中:i是一個(gè)小批量中的錨點(diǎn)索引,在分類損失中,p*和p分別為聚丁二烯基橡膠制品真實(shí)標(biāo)簽和預(yù)測(cè)的錨點(diǎn)缺陷的概率。在回歸損失中,ti和ti*分別代表錨點(diǎn)和預(yù)測(cè)區(qū)域建議以及錨點(diǎn)和地面實(shí)況框之間的幾何差異的向量,則ti*的計(jì)算方法為:

    tx*=(Gx-Ax)/Awty*=(Gy-Ay)/Ahtw*=log(Gw/Aw)th*=log(Gh/Ah) (3)

    此外,分類損失計(jì)算:

    Lcls=∑i-p*i×log(pi)-(1-p*i)×log(1-pi)(4)

    回歸損失計(jì)算:

    Lreg=∑ismooth L1(t*i-ti)(smooothL1(x)=0.5x2 ifx<1x-0.5)(5)

    此外,本文使用與改進(jìn)的RPN相同的損失來(lái)訓(xùn)練分類層和回歸層,這也是端到端的訓(xùn)練。

    3 實(shí)驗(yàn)環(huán)境設(shè)定

    在聚丁二烯基橡膠制品表面缺陷的識(shí)別研究中,實(shí)驗(yàn)使用Python 3.5,PyTorch作為深度學(xué)習(xí)庫(kù),cuda 9.1和cudnn 5.1在谷歌云平臺(tái)上使用8GB內(nèi)存的NVIDA Tesla K80圖形處理單元(GPU)進(jìn)行。在訓(xùn)練多尺度缺陷檢測(cè)網(wǎng)絡(luò)時(shí),本文對(duì)輸入圖像(分辨率為2 560×1 280)的短邊進(jìn)行了960倍的縮放,然后通過(guò)使其具有固定的平均值和方差對(duì)每張圖像進(jìn)行歸一化。在計(jì)算網(wǎng)絡(luò)的損失時(shí),在RPN以及分類和回歸層的損失函數(shù)中都使用λ=1。此外,網(wǎng)絡(luò)的權(quán)重通過(guò)隨機(jī)梯度下降(SGD)進(jìn)行改進(jìn)[17],包括0.001的學(xué)習(xí)率、0.9的動(dòng)量和0.000 5的權(quán)重衰減。在網(wǎng)絡(luò)的訓(xùn)練中,使用一個(gè)批處理規(guī)模(批處理指的是輸入圖像的數(shù)量)和50個(gè)epochs來(lái)提高性能(epoch指的是網(wǎng)絡(luò)被訓(xùn)練的數(shù)量)。在評(píng)估物體檢測(cè)網(wǎng)絡(luò)的性能時(shí),使用平均精度(AP)進(jìn)行多尺度缺陷檢測(cè)。

    4 結(jié)果與討論

    4.1 網(wǎng)絡(luò)模型訓(xùn)練損失

    在網(wǎng)絡(luò)訓(xùn)練的過(guò)程中,有必要對(duì)訓(xùn)練數(shù)據(jù)集的損失進(jìn)行及時(shí)的可視化。并驗(yàn)證聚丁二烯基橡膠制品表面缺陷檢測(cè)是否有效,可以通過(guò)損失曲線的趨勢(shì)來(lái)判斷。此外,損失可以指導(dǎo)網(wǎng)絡(luò)中參數(shù)的調(diào)整,包括訓(xùn)練歷時(shí)、學(xué)習(xí)率、權(quán)重衰減和結(jié)構(gòu)優(yōu)化[18]。多尺度缺陷檢測(cè)網(wǎng)絡(luò)的總損失包括RPN中的分類損失和回歸損失,以及分類層和回歸層的分類損失和位置損失。在訓(xùn)練中,各種損失可以分別用rpn_cls_loss(學(xué)習(xí)率)、rpn_loc_loss(訓(xùn)練歷時(shí))、roi_cls_loss(權(quán)重衰減)和roi_loc_loss(結(jié)構(gòu)優(yōu)化)表示。

    訓(xùn)練期間的損失曲線如圖2所示。研究中,網(wǎng)絡(luò)在每個(gè)epoch中對(duì)所有訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練,網(wǎng)絡(luò)的各種損失每50步記錄一次(一步等于一張圖片),因此所有損失曲線總共有2 700次迭代(一次迭代等于50步)。

    如圖2所示,各種損失曲線均呈現(xiàn)下降的趨勢(shì),在訓(xùn)練的開(kāi)始階段,損失大幅度下降,說(shuō)明學(xué)習(xí)率合適,開(kāi)始呈梯度下降。其中rpn_loc_loss下降幅度較小,在0~500迭代期間內(nèi),損失下降0.4,而roi_cls_loss下降幅度最大,損失下降0.5。且隨著迭代次數(shù)增加,在訓(xùn)練到一定的歷時(shí)后,損失曲線趨于穩(wěn)定,且rpn_cls_loss、rpn_loc_loss、roi_cls_loss、roi_loc_loss最終損失分別穩(wěn)定在0.08、0.13、0.07、0.1,進(jìn)一步表明網(wǎng)絡(luò)開(kāi)始收斂。同時(shí)網(wǎng)絡(luò)損失的下降,可以有效提高聚丁二烯基橡膠制品表面缺陷檢測(cè)精度。

    4.2 橡膠制品缺陷檢測(cè)

    為進(jìn)一步評(píng)估深度學(xué)習(xí)網(wǎng)絡(luò)模型的檢測(cè)效果,對(duì)聚丁二烯基橡膠制品常見(jiàn)的劃痕、裂紋、氣泡、凹坑等缺陷進(jìn)行識(shí)別檢測(cè)。并統(tǒng)計(jì)每個(gè)缺陷類別的評(píng)估指標(biāo)。由表1可知,除了氣泡缺陷外,所有其他缺陷的準(zhǔn)確率都可以保持在0.98~1.00,召回率在0.99~1.00,F(xiàn)1分?jǐn)?shù)在0.998~1.00。氣泡缺陷由于其缺陷目標(biāo)小,聚丁二烯基橡膠制品有時(shí)具有致密的氣孔,因此精度低于其他類型的缺陷。而研究所建立的檢測(cè)模型對(duì)橡膠制品凹坑檢測(cè)準(zhǔn)確率較高,且召回率及F1分?jǐn)?shù)均達(dá)到最高(1.00)。因此建立的深度學(xué)習(xí)網(wǎng)絡(luò)模型可用于實(shí)際橡膠制品缺陷檢測(cè)。

    4.3 檢測(cè)精度和檢測(cè)速度

    為了驗(yàn)證Faster R-CNN網(wǎng)絡(luò)模型加入FPN的特征融合思想有效性,將本文設(shè)計(jì)的缺陷檢測(cè)網(wǎng)絡(luò)模型與YOLO v3、YOLO v5、原始Faster R-CNN和SSD網(wǎng)絡(luò)模型在表面缺陷數(shù)據(jù)上的訓(xùn)練結(jié)果進(jìn)行了對(duì)比,對(duì)比結(jié)果如表2所示。

    不同的網(wǎng)絡(luò)模型對(duì)聚丁二烯基橡膠制品嚴(yán)重缺陷有較好的檢測(cè)效果,但對(duì)中等缺陷,特別是輕微缺陷的檢測(cè)精度卻明顯下降。改進(jìn)的Faster R-CNN網(wǎng)絡(luò)模型對(duì)三種不同類型的表面缺陷的平均精度為92.7%,改進(jìn)的Faster R-CNN的平均精度從83.1%提高到92.7%,對(duì)嚴(yán)重缺陷的平均精度為3.4%,對(duì)中等缺陷的平均精度為6.9%,對(duì)輕微缺陷的平均精度為18.5%。顯然,改進(jìn)后的Faster R-CNN網(wǎng)絡(luò)模型能夠更明顯地提高深度較淺橡膠制品小缺陷的檢測(cè)性能。此外,在檢測(cè)速度方面,在保證同一檢測(cè)設(shè)備的條件下,連續(xù)檢測(cè)缺陷樣本圖像,以每秒幀數(shù)(FPS)衡量檢測(cè)速度。其中,YOLO v3模型的檢測(cè)速度為27幀/s,YOLO v5模型的檢測(cè)速度為37幀/s,F(xiàn)aster R-CNN模型的檢測(cè)速度為17幀/s,SSD模型的檢測(cè)速度為35幀/s,而改進(jìn)的Faster R-CNN模型的檢測(cè)速度為15幀/s。本文設(shè)計(jì)的檢測(cè)算法對(duì)聚丁二烯基橡膠制品圖像的檢測(cè)時(shí)間約為0.5秒,檢測(cè)效率遠(yuǎn)高于目前的人工檢測(cè)方法,可以滿足企業(yè)實(shí)際生產(chǎn)環(huán)境中對(duì)橡膠制品表面缺陷的在線檢測(cè)速度要求[19-20]。

    4.4 網(wǎng)絡(luò)模型精度及損失

    由上述試驗(yàn)分析可知,改進(jìn)后的Faster R-CNN算法在檢測(cè)速度及準(zhǔn)確率等指標(biāo)方面上較為良好。為研究所建立網(wǎng)絡(luò)模型的精度及損失,使用相同的數(shù)據(jù)集分別在Faster R-CNN和改進(jìn)Faster R-CNN中進(jìn)行實(shí)驗(yàn),然后比較實(shí)驗(yàn)中產(chǎn)生的精度數(shù)據(jù)和損失數(shù)據(jù)。如圖3(a)所示,F(xiàn)aster R-CNN在每次訓(xùn)練的迭代次數(shù)后計(jì)算出的精度平均值,有先下降后緩慢攀升的趨勢(shì),在后半段的數(shù)值不穩(wěn)定。而改進(jìn)Faster R-CNN則是一開(kāi)始精度不穩(wěn)定,然后慢慢爬升并穩(wěn)定下來(lái)。如圖3(b)所示,F(xiàn)aster R-CNN的總損失在50~100個(gè)歷時(shí)之間趨于穩(wěn)定,然后有3個(gè)相對(duì)較大的波峰。由于Faster R-CNN使用Adam優(yōu)化器,它可以比SGD(隨機(jī)梯度下降法)更快地收斂。而改進(jìn)Faster R-CNN的初始總損失相對(duì)較小,在100~150個(gè)歷時(shí)之間趨于穩(wěn)定,在80個(gè)歷時(shí)左右有一個(gè)小峰值。綜上所述,與Faster R-CNN相比,改進(jìn)Faster R-CNN在精度和總損失方面的收斂速度和收斂后的穩(wěn)定性都比Faster R-CNN好。

    5 結(jié)語(yǔ)

    在聚丁二烯基橡膠制品缺陷檢測(cè)領(lǐng)域,深度學(xué)習(xí)方法比傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法更具優(yōu)勢(shì)。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型不需要手動(dòng)提取圖像特征,可以實(shí)現(xiàn)端到端的輸入檢測(cè)。將Faster R-CNN中加入了FPN的特征融合思想以提高缺陷檢測(cè)性能,并應(yīng)用于聚丁二烯基橡膠制品缺陷檢測(cè)領(lǐng)域,其平均精度可以達(dá)到92.7%,且改進(jìn)的Faster R-CNN模型的檢測(cè)速度為15幀/s,可以快速檢測(cè)橡膠制品缺陷。

    【參考文獻(xiàn)】

    [1] 張濤,謝探陽(yáng),李玉梅,等.基于改進(jìn)YOLOv4算法的玻璃杯缺陷識(shí)別方法研究[J].電子測(cè)量技術(shù),2023,46(2):46-51.

    [2] 魏彬,李璐.基于圖像增強(qiáng)技術(shù)的皮革制品表面缺陷自動(dòng)檢測(cè)研究[J].中國(guó)皮革,2022,51(12):159-162.

    [3] 張東嶺.基于圖像處理的機(jī)械材料缺陷檢測(cè)技術(shù)研究[J].粘接,2022,49(6):39-43.

    [4] 問(wèn)尋.實(shí)驗(yàn)用玻璃器皿缺陷檢測(cè)研究[J].粘接,2021,47(8):54-57.

    [5] 閻昊,劉奕陽(yáng).基于深度森林的人機(jī)協(xié)同工業(yè)制品表面缺陷識(shí)別[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2022,31(12):280-286.

    [6] 孟雨涵,沈天成,譚立,等.基于深度學(xué)習(xí)的注塑制品微缺陷快速智能檢測(cè)方法初探[J].價(jià)值工程,2022,41(20):111-113.

    [7] 樓豪杰,鄭元林,廖開(kāi)陽(yáng),等.基于Siamese-YOLOv4的印刷品缺陷目標(biāo)檢測(cè)[J].計(jì)算機(jī)應(yīng)用,2021,41(11):3206-3212.

    [8] 張立新.基于表面缺陷檢測(cè)的金屬圖像識(shí)別[J].粘接,2019,40(8):121-123.

    [9] 湯光恒,鄧海波,湯大昶.基于計(jì)算機(jī)視覺(jué)塑料成型缺陷多維檢測(cè)的研究[J].塑料科技,2020,48(7):48-51.

    [10] 盧榮勝,吳昂,張騰達(dá),等.自動(dòng)光學(xué)(視覺(jué))檢測(cè)技術(shù)及其在缺陷檢測(cè)中的應(yīng)用綜述[J].光學(xué)學(xué)報(bào),2018,38(8):23-58.

    [11] 王鵬,呂家龍,李志浩,等.大厚度金屬增強(qiáng)橡膠復(fù)合材料的無(wú)損檢測(cè)試驗(yàn)研究[J].材料開(kāi)發(fā)與應(yīng)用,2018,33(3):56-61.

    [12] 慕秀成.基于數(shù)學(xué)模型的金屬激光粘接缺陷檢測(cè)方法[J].粘接,2019,40(12):111-114.

    [13] 王雅琳,鄒江楓,王凱,等.基于本體引導(dǎo)的注塑知識(shí)圖譜構(gòu)建及缺陷溯因應(yīng)用[J].電子與信息學(xué)報(bào),2022,44(5):1521-1529.

    [14] 劉坤鵬.輪胎缺陷實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].濟(jì)南:山東大學(xué),2022.

    [15] 劉漢舉.一種基于機(jī)器視覺(jué)和深度殘差收縮網(wǎng)絡(luò)的智能制造缺陷檢測(cè)方法[J].中國(guó)科技論文,2023,18(4):462-468.

    [16] 楊珂浩,于龍,高仕斌,等.基于無(wú)監(jiān)督知識(shí)蒸餾的高鐵絕緣子缺陷檢測(cè)算法[J].電氣化鐵道,2023,34(1):9-14.

    [17] 譚立志.基于卷積神經(jīng)網(wǎng)絡(luò)的火花塞表面缺陷檢測(cè)研究[J].自動(dòng)化與儀表,2023,38(1):64-69.

    [18] 蔣美仙,鄭碧佩,鄭佳美,等.基于Deeplab-V3的焊縫缺陷檢測(cè)應(yīng)用研究[J].浙江工業(yè)大學(xué)學(xué)報(bào),2021,49(4):416-422.

    [19] 張翠,楊志清,周茂杰.基于雙通道卷積神經(jīng)網(wǎng)絡(luò)的缺陷檢測(cè)[J].模具工業(yè),2020,46(11):13-17.

    [20] 邢羽琪,唐軼,馬學(xué)玉.竹纖維改性合成混凝材料表面缺陷檢測(cè)技術(shù)優(yōu)化[J].粘接,2023,50(2):129-133.

    猜你喜歡
    橡膠制品識(shí)別技術(shù)研究
    橡膠制品的評(píng)價(jià)檢驗(yàn)
    使橡膠制品的質(zhì)量更好
    關(guān)于公共廣播系統(tǒng)的研究與應(yīng)用
    大數(shù)據(jù)挖掘中的數(shù)據(jù)分類算法技術(shù)研究
    淺談哈密瓜病蟲(chóng)害的防治措施
    蘋果樹(shù)常見(jiàn)病蟲(chóng)害防治技術(shù)
    薄煤層巷旁高水充填沿空留巷技術(shù)研究
    青島市中山公園園林樹(shù)木易混淆品種識(shí)別
    淺談暖通空調(diào)系統(tǒng)節(jié)能設(shè)計(jì)思考
    論犯罪危險(xiǎn)人格的識(shí)別
    黄色 视频免费看| 午夜免费观看性视频| 午夜免费观看性视频| 高清视频免费观看一区二区| 久久久国产精品麻豆| 天天添夜夜摸| 香蕉丝袜av| 99国产精品一区二区蜜桃av | 国产精品影院久久| 午夜激情久久久久久久| bbb黄色大片| 亚洲免费av在线视频| 国产区一区二久久| 国产精品 欧美亚洲| 制服人妻中文乱码| 黄片播放在线免费| 9色porny在线观看| 国产av国产精品国产| 亚洲精品国产av成人精品| 一级黄色大片毛片| 成年av动漫网址| 精品国产一区二区三区四区第35| 精品一品国产午夜福利视频| 一本一本久久a久久精品综合妖精| 国产欧美日韩精品亚洲av| 亚洲av电影在线进入| 国产成人精品无人区| 免费人妻精品一区二区三区视频| 国产欧美日韩综合在线一区二区| 熟女少妇亚洲综合色aaa.| 国产片内射在线| 真人做人爱边吃奶动态| 免费在线观看视频国产中文字幕亚洲 | 啦啦啦视频在线资源免费观看| 精品久久久精品久久久| 国产精品一区二区精品视频观看| 另类精品久久| 男女午夜视频在线观看| 国产av一区二区精品久久| 精品人妻熟女毛片av久久网站| 免费高清在线观看日韩| 啪啪无遮挡十八禁网站| 成人黄色视频免费在线看| 最新在线观看一区二区三区| 国产精品欧美亚洲77777| 日本av手机在线免费观看| 精品久久久精品久久久| 久久久久国产精品人妻一区二区| 欧美日韩亚洲高清精品| 国产视频一区二区在线看| 老司机在亚洲福利影院| 丝袜美足系列| av不卡在线播放| 在线观看www视频免费| 男女午夜视频在线观看| 亚洲av美国av| 肉色欧美久久久久久久蜜桃| 国产黄色免费在线视频| 国产国语露脸激情在线看| 国产激情久久老熟女| 免费在线观看日本一区| 超碰成人久久| 建设人人有责人人尽责人人享有的| 12—13女人毛片做爰片一| 国产真人三级小视频在线观看| 中文字幕人妻丝袜一区二区| 免费女性裸体啪啪无遮挡网站| 一区二区三区精品91| 欧美黄色淫秽网站| 人人澡人人妻人| 一本大道久久a久久精品| 国产精品国产三级国产专区5o| 韩国精品一区二区三区| 久久亚洲精品不卡| 久久久国产精品麻豆| 又大又爽又粗| 菩萨蛮人人尽说江南好唐韦庄| 国产精品 欧美亚洲| 99久久综合免费| 国产精品免费视频内射| 国产无遮挡羞羞视频在线观看| 丁香六月天网| 美女高潮喷水抽搐中文字幕| 免费观看人在逋| 十八禁人妻一区二区| 桃花免费在线播放| 亚洲国产精品一区三区| 夜夜骑夜夜射夜夜干| 国产一级毛片在线| 国产淫语在线视频| 亚洲中文av在线| 人成视频在线观看免费观看| 久久久国产成人免费| 人妻久久中文字幕网| 少妇猛男粗大的猛烈进出视频| 美女国产高潮福利片在线看| 久久久久久久大尺度免费视频| 国产真人三级小视频在线观看| 国产精品.久久久| av网站免费在线观看视频| 99热国产这里只有精品6| 午夜久久久在线观看| 美女福利国产在线| 国产视频一区二区在线看| 日本91视频免费播放| 日本精品一区二区三区蜜桃| 在线看a的网站| 国产极品粉嫩免费观看在线| 久久久久久久久免费视频了| 久久久久网色| 在线亚洲精品国产二区图片欧美| 一区福利在线观看| 午夜福利在线免费观看网站| 嫁个100分男人电影在线观看| 大码成人一级视频| 久久 成人 亚洲| 麻豆乱淫一区二区| tube8黄色片| 久久久水蜜桃国产精品网| 亚洲av欧美aⅴ国产| 久久精品国产a三级三级三级| 久久精品aⅴ一区二区三区四区| 国产成人精品在线电影| 免费人妻精品一区二区三区视频| 久久久久国产一级毛片高清牌| 久久国产亚洲av麻豆专区| 狂野欧美激情性bbbbbb| 性色av一级| 天天躁狠狠躁夜夜躁狠狠躁| 99国产精品免费福利视频| 天天操日日干夜夜撸| 一区二区av电影网| 日本av手机在线免费观看| 国产精品1区2区在线观看. | 欧美日韩福利视频一区二区| 多毛熟女@视频| 又黄又粗又硬又大视频| 好男人电影高清在线观看| 久久av网站| 欧美精品人与动牲交sv欧美| 亚洲成国产人片在线观看| 9191精品国产免费久久| 老司机靠b影院| 亚洲精品一二三| 国产成人精品无人区| 操美女的视频在线观看| 一级毛片女人18水好多| 一级黄色大片毛片| 国产真人三级小视频在线观看| 国产精品一区二区在线观看99| 成人手机av| 黑人猛操日本美女一级片| 日韩免费高清中文字幕av| 黄色 视频免费看| 久久毛片免费看一区二区三区| 久久中文字幕一级| 99香蕉大伊视频| 久久午夜综合久久蜜桃| 下体分泌物呈黄色| 波多野结衣av一区二区av| 女人久久www免费人成看片| 一区二区三区精品91| 午夜久久久在线观看| 一本综合久久免费| 成人国产一区最新在线观看| 99精品欧美一区二区三区四区| a级毛片在线看网站| 国产男人的电影天堂91| 久久精品国产综合久久久| 婷婷成人精品国产| 蜜桃在线观看..| 精品福利永久在线观看| 在线av久久热| 黄色毛片三级朝国网站| 热re99久久精品国产66热6| 欧美97在线视频| 久久人妻福利社区极品人妻图片| 国产成人av教育| 日日夜夜操网爽| 久久久久久免费高清国产稀缺| 国产又色又爽无遮挡免| 这个男人来自地球电影免费观看| 正在播放国产对白刺激| 欧美精品啪啪一区二区三区 | 天堂中文最新版在线下载| 老司机午夜十八禁免费视频| 丁香六月欧美| 国产欧美日韩一区二区三区在线| 91精品三级在线观看| 如日韩欧美国产精品一区二区三区| 多毛熟女@视频| 下体分泌物呈黄色| 男女无遮挡免费网站观看| 免费观看人在逋| 夜夜夜夜夜久久久久| 91精品伊人久久大香线蕉| 999精品在线视频| 国产精品二区激情视频| a在线观看视频网站| 男女国产视频网站| 亚洲欧美精品综合一区二区三区| 国产精品久久久av美女十八| 中文字幕人妻丝袜制服| av片东京热男人的天堂| 精品久久久精品久久久| 国产野战对白在线观看| 久久中文字幕一级| 最新在线观看一区二区三区| 欧美日韩国产mv在线观看视频| 黑人巨大精品欧美一区二区蜜桃| 国产亚洲欧美在线一区二区| 日韩有码中文字幕| 亚洲欧美日韩高清在线视频 | 18禁观看日本| 美女高潮到喷水免费观看| 国产精品偷伦视频观看了| 中国国产av一级| 久久人人爽人人片av| 国产又色又爽无遮挡免| 国产精品 国内视频| www.精华液| 9热在线视频观看99| 国产主播在线观看一区二区| 国产精品 国内视频| 国产高清国产精品国产三级| 亚洲五月色婷婷综合| 在线永久观看黄色视频| 最近最新免费中文字幕在线| 午夜成年电影在线免费观看| 国产精品久久久久久精品电影小说| 久久国产精品男人的天堂亚洲| 久久99一区二区三区| 欧美另类亚洲清纯唯美| 色老头精品视频在线观看| 精品国产一区二区三区四区第35| 国产福利在线免费观看视频| 少妇的丰满在线观看| 欧美性长视频在线观看| 日韩电影二区| 69av精品久久久久久 | 国产免费视频播放在线视频| 成年av动漫网址| 国产精品自产拍在线观看55亚洲 | 久久女婷五月综合色啪小说| 日韩一卡2卡3卡4卡2021年| 亚洲av成人一区二区三| 涩涩av久久男人的天堂| 亚洲国产精品一区二区三区在线| 亚洲avbb在线观看| 亚洲专区字幕在线| 十八禁高潮呻吟视频| 国产亚洲精品久久久久5区| 日韩中文字幕视频在线看片| 美女国产高潮福利片在线看| 久久毛片免费看一区二区三区| 欧美日韩成人在线一区二区| 我的亚洲天堂| 国产欧美日韩一区二区三区在线| 午夜福利免费观看在线| 久久久久视频综合| 亚洲一区中文字幕在线| 午夜福利乱码中文字幕| 视频在线观看一区二区三区| 久久综合国产亚洲精品| 欧美 日韩 精品 国产| 国产免费现黄频在线看| 两人在一起打扑克的视频| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美日韩av久久| 久久毛片免费看一区二区三区| 一区二区三区精品91| 国产99久久九九免费精品| 成年av动漫网址| 99精国产麻豆久久婷婷| 亚洲国产欧美在线一区| 一级黄色大片毛片| 捣出白浆h1v1| 日本一区二区免费在线视频| 99久久99久久久精品蜜桃| 国产亚洲av片在线观看秒播厂| 99国产精品一区二区蜜桃av | 久久免费观看电影| 亚洲情色 制服丝袜| 国产欧美日韩一区二区三区在线| 日韩欧美免费精品| 操美女的视频在线观看| 一本综合久久免费| 久久精品熟女亚洲av麻豆精品| 中亚洲国语对白在线视频| 午夜免费鲁丝| 纯流量卡能插随身wifi吗| 亚洲性夜色夜夜综合| 91麻豆av在线| 国产精品一二三区在线看| 国产免费现黄频在线看| 午夜成年电影在线免费观看| 国产亚洲一区二区精品| 美女高潮到喷水免费观看| 菩萨蛮人人尽说江南好唐韦庄| 老司机影院成人| 在线永久观看黄色视频| 一区在线观看完整版| 人人澡人人妻人| 亚洲 国产 在线| 老司机影院毛片| 婷婷丁香在线五月| 亚洲五月色婷婷综合| 日韩,欧美,国产一区二区三区| 最黄视频免费看| 无限看片的www在线观看| 久久狼人影院| 亚洲激情五月婷婷啪啪| 一级毛片女人18水好多| 亚洲精品一区蜜桃| 久久99一区二区三区| 黑人欧美特级aaaaaa片| 久久人人97超碰香蕉20202| 中文字幕另类日韩欧美亚洲嫩草| www.精华液| 热re99久久精品国产66热6| 亚洲人成77777在线视频| 亚洲国产中文字幕在线视频| 国产精品久久久久久精品古装| 亚洲人成77777在线视频| 国产激情久久老熟女| 啦啦啦啦在线视频资源| 老司机影院毛片| svipshipincom国产片| 成人av一区二区三区在线看 | 91精品伊人久久大香线蕉| 男人添女人高潮全过程视频| 亚洲av日韩在线播放| 黑人欧美特级aaaaaa片| 久久精品国产a三级三级三级| 人成视频在线观看免费观看| 精品国产乱子伦一区二区三区 | 在线av久久热| 国产精品国产三级国产专区5o| videosex国产| 国产精品 欧美亚洲| 999久久久国产精品视频| 国产成人精品久久二区二区91| 高潮久久久久久久久久久不卡| 亚洲欧美色中文字幕在线| 操出白浆在线播放| 一二三四在线观看免费中文在| 人妻 亚洲 视频| 纵有疾风起免费观看全集完整版| 国产成人啪精品午夜网站| 美女视频免费永久观看网站| 国产一区二区三区在线臀色熟女 | 国产黄频视频在线观看| 国产成人a∨麻豆精品| 人妻 亚洲 视频| 热99re8久久精品国产| 手机成人av网站| 亚洲精品国产精品久久久不卡| 大片电影免费在线观看免费| 12—13女人毛片做爰片一| av网站免费在线观看视频| 在线观看免费高清a一片| 少妇被粗大的猛进出69影院| 亚洲国产av新网站| 国产亚洲av高清不卡| 大陆偷拍与自拍| 精品一区二区三区av网在线观看 | 久久久久久久大尺度免费视频| 天天操日日干夜夜撸| 男男h啪啪无遮挡| 考比视频在线观看| 日本vs欧美在线观看视频| 亚洲三区欧美一区| 肉色欧美久久久久久久蜜桃| 午夜免费鲁丝| 一区福利在线观看| 国产一区二区在线观看av| 午夜两性在线视频| 久久国产精品男人的天堂亚洲| 麻豆av在线久日| 亚洲成人手机| 久久亚洲国产成人精品v| 18禁裸乳无遮挡动漫免费视频| 99热全是精品| 黄频高清免费视频| 黄色毛片三级朝国网站| 另类亚洲欧美激情| 免费在线观看黄色视频的| 黄色视频在线播放观看不卡| 亚洲av电影在线进入| 国产精品一区二区免费欧美 | 欧美另类亚洲清纯唯美| 日韩欧美国产一区二区入口| 久久性视频一级片| 精品福利观看| 亚洲性夜色夜夜综合| 精品国产乱子伦一区二区三区 | 久久ye,这里只有精品| 丝袜喷水一区| 欧美日韩福利视频一区二区| 麻豆乱淫一区二区| 亚洲一码二码三码区别大吗| 国产成人精品久久二区二区免费| 黄片小视频在线播放| 老司机福利观看| 精品人妻1区二区| 午夜精品久久久久久毛片777| 欧美日韩精品网址| 免费观看人在逋| 久久 成人 亚洲| 人人妻人人爽人人添夜夜欢视频| 国产激情久久老熟女| 午夜免费成人在线视频| 亚洲色图 男人天堂 中文字幕| 国产精品99久久99久久久不卡| 久久人妻福利社区极品人妻图片| 亚洲色图综合在线观看| 蜜桃在线观看..| 欧美另类亚洲清纯唯美| 精品亚洲成国产av| 国产成人av教育| 国产一级毛片在线| 超色免费av| 9热在线视频观看99| 香蕉丝袜av| 99久久综合免费| 日韩三级视频一区二区三区| 亚洲av电影在线观看一区二区三区| 搡老岳熟女国产| 99热网站在线观看| 18禁观看日本| 一区在线观看完整版| 亚洲成人免费电影在线观看| 人成视频在线观看免费观看| 一本综合久久免费| 人人妻人人澡人人爽人人夜夜| 亚洲 欧美一区二区三区| 黄片小视频在线播放| 免费av中文字幕在线| 国产又爽黄色视频| 亚洲伊人久久精品综合| 国产欧美日韩一区二区三区在线| 制服诱惑二区| 精品少妇一区二区三区视频日本电影| 性色av乱码一区二区三区2| 免费一级毛片在线播放高清视频 | 亚洲av片天天在线观看| 欧美在线黄色| 亚洲伊人久久精品综合| 女人被躁到高潮嗷嗷叫费观| 最新的欧美精品一区二区| 国产老妇伦熟女老妇高清| 91成年电影在线观看| 国产成人av激情在线播放| 日韩精品免费视频一区二区三区| 夜夜夜夜夜久久久久| 男人舔女人的私密视频| 日本av免费视频播放| 久久久久国产精品人妻一区二区| 51午夜福利影视在线观看| netflix在线观看网站| 啦啦啦 在线观看视频| 亚洲国产精品一区三区| 人妻 亚洲 视频| 色综合欧美亚洲国产小说| av天堂在线播放| 国产极品粉嫩免费观看在线| 亚洲精品国产区一区二| 汤姆久久久久久久影院中文字幕| www日本在线高清视频| 最近中文字幕2019免费版| 啦啦啦视频在线资源免费观看| 高清视频免费观看一区二区| 亚洲欧洲精品一区二区精品久久久| 在线观看人妻少妇| 国产成人av教育| 在线亚洲精品国产二区图片欧美| 91国产中文字幕| 午夜两性在线视频| 又大又爽又粗| 久久人人爽人人片av| a级毛片在线看网站| 成年人午夜在线观看视频| 日韩欧美免费精品| 日韩免费高清中文字幕av| 大陆偷拍与自拍| 精品国产国语对白av| 国产精品一区二区在线观看99| 国产免费视频播放在线视频| 黄色视频不卡| 日本av手机在线免费观看| 高清视频免费观看一区二区| 久久综合国产亚洲精品| 深夜精品福利| 亚洲情色 制服丝袜| 人妻一区二区av| 国产成人av激情在线播放| 99精品欧美一区二区三区四区| 青青草视频在线视频观看| 人人妻人人爽人人添夜夜欢视频| 91老司机精品| 美女高潮喷水抽搐中文字幕| 亚洲av电影在线观看一区二区三区| 国产不卡av网站在线观看| www.熟女人妻精品国产| 午夜免费观看性视频| www.熟女人妻精品国产| 他把我摸到了高潮在线观看 | 在线观看免费高清a一片| 蜜桃在线观看..| 狠狠婷婷综合久久久久久88av| 欧美日韩国产mv在线观看视频| 热99国产精品久久久久久7| 国产精品久久久久久人妻精品电影 | av超薄肉色丝袜交足视频| 日韩 亚洲 欧美在线| a在线观看视频网站| 另类精品久久| 国产麻豆69| 国产日韩欧美亚洲二区| 99热国产这里只有精品6| 在线亚洲精品国产二区图片欧美| 最黄视频免费看| av线在线观看网站| 99热网站在线观看| 乱人伦中国视频| 桃花免费在线播放| 在线观看人妻少妇| 婷婷丁香在线五月| 国产真人三级小视频在线观看| 各种免费的搞黄视频| 天天影视国产精品| 亚洲欧洲日产国产| 91麻豆精品激情在线观看国产 | 视频区图区小说| 亚洲精品国产av蜜桃| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇粗大呻吟视频| 国产极品粉嫩免费观看在线| 亚洲精品久久成人aⅴ小说| 国产av国产精品国产| cao死你这个sao货| 老熟妇仑乱视频hdxx| 日本wwww免费看| 无遮挡黄片免费观看| 国产成人啪精品午夜网站| 国产一卡二卡三卡精品| 精品一区二区三区av网在线观看 | 美女国产高潮福利片在线看| 男女之事视频高清在线观看| 美女福利国产在线| 女性生殖器流出的白浆| 99国产精品99久久久久| 90打野战视频偷拍视频| 99久久综合免费| cao死你这个sao货| 在线 av 中文字幕| 青草久久国产| 乱人伦中国视频| 日本一区二区免费在线视频| 亚洲第一av免费看| 国产精品欧美亚洲77777| 国产一区二区三区综合在线观看| 热re99久久国产66热| 亚洲av日韩在线播放| 国产精品99久久99久久久不卡| 欧美精品一区二区免费开放| 亚洲av成人不卡在线观看播放网 | 青春草视频在线免费观看| 成人18禁高潮啪啪吃奶动态图| 色94色欧美一区二区| 美女国产高潮福利片在线看| 成年人黄色毛片网站| 新久久久久国产一级毛片| 欧美国产精品一级二级三级| 成年人免费黄色播放视频| 免费在线观看视频国产中文字幕亚洲 | svipshipincom国产片| 日本精品一区二区三区蜜桃| 亚洲欧美一区二区三区久久| 纵有疾风起免费观看全集完整版| 黄网站色视频无遮挡免费观看| 99久久国产精品久久久| 日本欧美视频一区| av天堂久久9| 岛国毛片在线播放| 免费在线观看视频国产中文字幕亚洲 | 制服人妻中文乱码| 日韩,欧美,国产一区二区三区| 中文字幕精品免费在线观看视频| 亚洲精品久久久久久婷婷小说| 丝瓜视频免费看黄片| 老司机午夜福利在线观看视频 | 999久久久精品免费观看国产| 欧美亚洲 丝袜 人妻 在线| 性色av一级| 两人在一起打扑克的视频| 青春草视频在线免费观看| 成人18禁高潮啪啪吃奶动态图| 亚洲男人天堂网一区| 亚洲欧美一区二区三区久久| 亚洲精品日韩在线中文字幕| 亚洲av成人不卡在线观看播放网 | 日韩视频在线欧美| 国产精品一区二区免费欧美 | 成年人午夜在线观看视频| 日韩人妻精品一区2区三区| 少妇粗大呻吟视频| 国产成人欧美在线观看 | 午夜激情久久久久久久| 国产精品麻豆人妻色哟哟久久| 午夜成年电影在线免费观看| 欧美97在线视频| 大码成人一级视频| 美女午夜性视频免费| 淫妇啪啪啪对白视频 |