科创中国
一种基于卷积神经网络的磁片表面缺陷检测方法
成果类型：: 发明专利
发布时间: 2024-09-29 08:43:25
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-09-29 08:43:25
本发明要克服现有技术的上述缺点，提供一种基于卷积神经网络的磁片表面缺陷检测方法，从而能快速准确的实现磁片表面多种缺陷的检测。为达到上述目的，本发明的技术方案具体是这样实现的：一种基于卷积神经网络的磁片表面缺陷检测方法，该方法包括如下步骤：(1)获取待检测磁片的俯视图像并对图像进行预处理；
本发明公开了一种基于卷积神经网络的磁片表面缺陷检测方法，包含如下步骤：第一步，获取待检测磁片的俯视图像并对图像进行预处理，包括灰度化，霍夫圆变换，尺寸变换，旋转切割等步骤；第二步，将预处理后的图像输入至预先训练好的卷积神经网络进行缺陷检测，检测磁片表面是否有缺陷，并对缺陷进行分类；卷积神经网络，其中输入层，卷积层，采样层，全连接层对图像进行特征提取，提取的特征由Softmax分类器进行缺陷分类。与现有技术相比本发明检测精度高，鲁棒性更好。
基于卷积神经网络的磁片表面缺陷检测方法在工业生产中具有广泛的应用前景，例如在芯片制造、硬盘生产等领域。这种方法可以提高生产效率和产品质量，减少人力成本，并提高生产的自动化程度。
随着技术的不断发展，基于卷积神经网络的磁片表面缺陷检测方法也在不断改进和优化。例如，使用更先进的算法和模型结构，提高检测的准确性和速度；结合其他技术，如机器学习和深度学习，进一步提高检测的性能和精度。
总之，基于卷积神经网络的磁片表面缺陷检测方法具有广阔的应用前景，可以提高生产效率和产品质量，推动工业生产的自动化进程。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
本发明与现有技术相比，其显著优点：(1)本发明对待检测图像的预处理，相当于增加了训练样本数量，改善了训练样本缺少造成的神经网络训练不佳的问题。(2)传统的基于数字图像的缺陷检测方法，识别算法含有复杂的特征提取和数据重建过程，且每种缺陷都需要单独的识别算法，但是本发明使用卷积神经网络，可有效避免以上问题，训练好的卷积神经网络可以分类多种缺陷。(3)使用卷积神经网络相比于传统的基于图像处理的检测方法鲁棒性更高，在图像采集阶段，图像受到外界因素影响，例如光线的变化，传统方法有可能提取不到特征，但是卷积神经网络的方法可以在训练神经网络的时候有意加入部分受外界因素影响的图片，加强卷积神经网络对于这方面的检测准确率，这点更符合工业现场的要求。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app