Há são quatro comuns defeitos em alumínio perfis, namely arranhões, vazamentos, dents, e convex pó. O alumínio perfil imagem data set em este artigo vem de um alumínio empresa em Jiangsu Província. O original alumínio perfil imagem data set inclui a total de 342 alumínio perfil defeito imagens. Há poucos defeito imagem amostras, e a proporção de alguns defeitos em o inteiro conjunto é demais pequeno, e o defeito dados é desequilibrado. Quando deep learning is treined, if the data set is small, it will cause the model to have overfitting problems.
In order to solve the above problems, this paper uses image augmentation to expand the data set of defective aluminum profile images. Image augmentation technology performs a series of random contrast adjustments, rotations, etc. on the original image data to generate similar but different training data to expand the size of the training image set, while reducing the model's dependence on certain features and immelhoring the model's generalidade. ização habilidade.