摘要：应用机器视觉实现磁片表面缺陷的自动检测可以提高生产效率、降低生产成本;深度卷积神经网络具有高精度的分类性能,尤其在图像识别方面有显著的优点;但是目前提出的深度神经网络模型,由于参数量和计算量的巨大,在工业生产流水线上不能满足实时检测的需求;针对这个问题,基于深度可分离卷积和通道混洗,提出了一种轻量级高效低延时的卷积神经网络架构MagnetNets;为了评估MagnetNets网络模型的性能,将MagnetNets网络模型与MobileNets、ShuffleNet、Xception、MobileNetV2在公开数据集ImageNet中做了对比实验;然后将MagnetNets网络模型应用在磁片缺陷检测系统中进行缺陷检测;实验结果表明,提出的网络架构显著地减少参数数量,具有良好的性能;同时在磁片缺陷检测系统中减少了延时,提高检测速度,缺陷检测识别率达到了97.3%。

简介：《计算机测量与控制》（CN：11-4762/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社