标题：基于二值卷积神经网络的钢铁缺陷检测
作者：陈彦杰 吴丽君 陈志聪
作者单位：福州大学物理与信息工程学院，福建 福州 350108
关键字：二值卷积神经网络；空洞卷积；分支结构；缺陷检测
摘要：缺陷检测是钢铁生产质量管控的重要一环，基于视觉和深度学习的钢铁缺陷自动检测受到了广泛关注。针对卷积神经网络计算及存储资源要求高的问题，基于二值卷积神经网络实现了轻量的钢铁缺陷检测网络。具体地，基于空洞卷积，设计了一种具有分支结构的可融合的二值卷积神经网络，在降低了参数和计算量的同时，有效提升分类准确率。实验结果表明，该网络参数大小为ResNet-18的6.99%，在NEU-CLS数据集上表面缺陷识别率接近最新的全精度PSO-Gabor-CNN算法， 达到98.11%。