检测对象:钢表面缺陷主要方法:基于FasterR-CNN的带钢表面缺陷检测网络，该网络的改进在于提出的多级特征融合网络(MFN)将多个分层特征组合成一个特征，可以包括缺陷的更多位置细节。基于这些多级特征，采用区域提议网络(RPN)生成感兴趣区域(ROI).在缺陷检测数据集NEU-DET.上，提出的方法在采用ResNet-50的backbone下实现了82.3%的mAP。1.1缺陷的定义当前对于缺陷有两种认知的方式，种是有监督的方法，字符缺陷检测，也就是体现在利用标记了标签(包括类别、矩形框或逐像素等)的缺陷图像输入到网络中进行训练.此时缺陷意味着标记过的区域或者图像。第二种是无监督的方法，就是将正常无缺陷的样本进行学习，字符识别检测，学习正常区域的特征，网络检测异常的区域。缺陷检测的任务大致分为三个阶段分别是缺陷分类、缺陷***、缺陷分割，字符检测，如下图所示，缺陷分类需要分类出缺陷的类别(色、空洞、经线);缺陷***不仅需要获取缺陷的类别还需要标注出缺陷的位置;缺陷分割将缺陷逐像素从背景中分割出来。接着利用自定义的核7*7，进行图像卷积运算提取端面图片高频分量：再利用加权平均值算法，按照imagemerge1＝k1*image1+k2*image2+b对凸台图片和端面图片进行融合，按照imagemerge2＝a*imagemerge1+b获得终的融合图片，根据融合照片进行缺陷检测。其中imagemerge1表示初步融合图片，字符检测系统，imagemerge2表示融合图片，a表示拉伸系数，b表示拉伸偏移；image1表示凸台图片，image2表示端面图片，k1表示凸台权重系数，k2表示端面权重系数。字符检测-宣雄智能科技-字符检测系统由苏州宣雄智能科技有限公司提供。“缺陷检测，摄像头缺陷检测”选择苏州宣雄智能科技有限公司，公司位于：江苏省苏州市昆山市开发区前进东路科技广场1501室，多年来，宣雄坚持为客户提供好的服务，联系人：朱秀谨。欢迎广大新老客户来电，来函，亲临指导，洽谈业务。宣雄期待成为您的长期合作伙伴！)