基于改进领域对抗网络的瓷砖表面缺陷检测

深度神经网络作为主流的表面缺陷检测方法之一,需要大量样本进行模型训练,而随着瓷砖产品多样化,同类型瓷砖缺陷样本有限.本文提出一种基于改进域对抗神经网络(MDANN)的瓷砖表面缺陷检测方法,参考传统的DANN结构,首先,在ImageNet公共数据集上预训练保存网络参数,提高训练速度;然后,在原网络中加入瓶颈层,并利用最大均值差异指标优化领域分布差异,改善了原DANN网络筛选源域的能力,实现小样本瓷砖的缺陷检测.实验结果表明,MDANN对瓷砖表面缺陷的有效检出率达98.77％,相比于原DANN网络提高了 3.53％,可快速适用于不同类型的瓷砖检测,泛化性好.