基于深度学习GoogLeNet网络的日用陶瓷缺陷检测方法研究

胡 渊
景德镇陶瓷大学机电学院

摘要

目前，日用瓷的缺陷主要由人工检测和判断，因此只能识别一些较为明显的缺陷，如大裂纹，严重变形等，缺陷识别模糊。而且这种方法会导致生产效率低下，并且加重工人的劳动负担，同时可靠性也不是很高，影响企业的生产效益。针对这种情况，本文提出利用GoogLeNet网络对日用陶瓷缺陷进行检测，进而提高对于日用陶瓷产品缺陷检测的准确率，减轻工人的负担，大大提高了企业的生产效率。

关键词

深度学习；GoogLeNet网络；日用陶瓷；缺陷检测

参考

[1]李业富,赵玉刚,姜文革.基于图像处理的陶瓷产品缺陷识别研究[J].现代制造工程,2014,05:109-112.

[2]石志君.基于机器视觉的陶瓷圆环件缺口检测与尺寸测量[D].青岛：中国海洋大学,2013.

[3]HintonGE,SalakhutdinovRR.ReducingtheDimensionalityofDatawithNeuralNetworks[J].Science,2006,313(5786):504-507.

[4]SzegedyC,LiuW,JiaY,etal.Goingdeeperwithconvolutions[C]//ProceedingsoftheIEEEconferenceoncomputervisionandpattemnrecognition.2015:1-9.