<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Design</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2025060042</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于 CNN与分水岭算法的工业缺陷检测的实现</title><url>https://artdesignp.com/journal/TACS/2/6/10.61369/TACS.2025060042</url><author>李春花,杨航,李明明</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>6</issue><history><date date-type="pub"><published-time>2025-03-28</published-time></date></history><abstract>随着我国工业自动化的发展，对产品的质量的把控不断提升。在这其中缺陷检测问题仍然是一个难关。本文对工业靠模小孔填充，来判断模具是否好坏问题做了一个缺陷检测算法设计，在图像数据量过少、图像噪音点复杂、图像切割情况复杂、环境采集角度不同等因素下进行算法设计，主要利用分水岭算法，轮廓检测等传统视觉检测手段和卷积神经网络等深度学习思想，二者结合计算思想来进行工业靠模填充橡胶制品缺陷检测，从而提供一种减少工业自动化次品的产生率的算法设计方案。</abstract><keywords>缺陷检测,分水岭算法,卷积神经网络,轮廓检测</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>&amp;nbsp;[1] 陈世文.结合各向异性扩散和分水岭算法的图像分割[J].传感技术学报,2023,36(10):1622-1627.&amp;nbsp;[2] 张思炜.基于HSI色彩空间和分水岭算法的冰雹特征参数测量[J].计算机应用与软件,2023,40(04):147-153.&amp;nbsp;[3] 黄家才,唐安,张铎,等.基于自适应标记分水岭算法的茶叶嫩芽图像分割方法[J].南京工程学院学报(自然科学版),2022,20(04):6-11.&amp;nbsp;[4] 张文飞,韩建海,郭冰菁,等.改进的分水岭算法在粘连图像分割中的应用[J].计算机应用与软件,2021,38(06):243-248.&amp;nbsp;[5] 金忠明,曹姗姗,王蕾,等.基于U-Net和分水岭算法的无人机单木树冠提取方法[J].西北林学院学报,2020,35(06):194-204.&amp;nbsp;[6] 徐振,徐德刚,刘龙海等.基于THz-TDR的芯片金属微带线缺陷检测[J].红外与毫米波学报,2024,43,(3):359-368.&amp;nbsp;[7] 王素琴,杜雨洁,石敏,等.类别不均衡的少样本工业产品表观缺陷检测[J].图学学报,2025,46(03):568-577.&amp;nbsp;[8] 李文,周海蔚.基于GA-BP神经网络的工业CT缺陷检测[J].计量与测试技术,2024,51(03):96-99.&amp;nbsp;[9] 胡志强,吴一全.基于机器视觉的芯片缺陷检测研究进展[J].仪器仪表学报,2024,45,(7):1-26.&amp;nbsp;[10] 王强,曾志男.基于图像去模糊算法的缺陷检测信号增强方法[J].中国激光,2024,51,(23):63-71.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
