成果完成人：郑运昌

成果完成时间：2024年5月

成果完成人所在院系：电气工程学院

成果简介：

该项目是2022年度河北省高校基本科研业务费研究项目，立项时间为2022年3月，项目编号：2022QNJS03，项目名称：基于递归U-Net网络的小样本表面缺陷检测方法研究，起始年月：2022年3月，终止年月：2024年3月；完成单位：河北建筑工程学院。

本项目拟研究一种基于语义分割和卷积神经网络的小样本表面缺陷检测方法，该方法在U-Net网络语义分割的基础上，结合优化后的卷积神经网络架构，提升小目标缺陷检测能力。该检测算法可以改变传统的人工辨识方式，减少专家的工作负担，提高缺陷辨识效率，实现对小目标缺陷的自动化检测。

成果应用：

在工业品生产和农产品机械化采摘过程中，产品表面的瑕疵和机械损伤不可避免。对于上述小样本产品表面的缺陷检测，传统做法主要是以人工检测为主，部分采用特征工程的机器视觉检测。然而人工检测的效率较低、主观性较强、检测质量不稳定；传统图像处理检测方法过于依赖人工设计特征，灵活性差。在人工智能的快速发展下，深度神经网络逐渐被应用于产品表面缺陷检测，为传统人工检测方法中存在的漏检率高、工作效率低、企业生产成本高等问题带来新的解决方案。

依托本项目以及相关项目的研究经验，可以针对众多小样本做联合测试，并针对各行业的应用场景做专门的优化，为我国庞大的工业、农业生产提供有效快速的产品缺陷检测技术，为我国“工业2.0”、“智慧农业”的建设添砖加瓦。

成果产出：

本成果发表论文4篇（其中SCI 3篇）。获得实用新型专利2项，软件著作权6项。

成果图片：

成果研发过程图片

成果发表论文图片

成果获得知识产权图片