《表2 深度学习的训练、验证和测试数据集分布》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的连铸坯表面缺陷检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

上海宝钢公司的炼钢技术是全国乃至全球的领先者，生产的连铸坯质量较高，可提供带有缺陷的连铸坯图片数量较少，其中中裂纹为67张，其他凹陷、夹杂物、气孔、划痕等缺陷59张，且各类缺陷占大图（990×1 080）中的比例也较小，数据量不能满足训练深度学习的要求.本工作通过128×128的矩形框在连铸坯大图上对缺陷进行截图，每隔4个像素移动矩形框，进行数据扩充.裂纹作为主要检测的缺陷，为Bad类，无缺陷的为Good类，其他缺陷（如凹陷、夹杂物、气孔、划痕等）为Other类.从每类数据中独立随机抽取相应的训练数据进行训练，其中表1为SVM的训练、测试数据集分布情况，表2为深度学习的训练、验证、测试数据集分布情况.