基于改进Faster R-CNN的铝型材表面缺陷检测研究
Research on surface defect detection of aluminum profiles based on improved Faster R-CNN
吴吉灵 1金玉珍2
作者信息
- 1. 浙江理工大学机械工程学院,浙江 杭州 310018;浙江省流体传输技术研究重点实验室
- 2. 浙江省流体传输技术研究重点实验室
- 折叠
摘要
针对传统目标检测算法在铝型材表面缺陷检测中检测精度低、微小缺陷难以识别等问题,提出一种改进的Faster R-CNN算法.该算法对特征提取网络、感兴趣区域池化和锚框尺寸进行了优化,并在此基础上引入了特征金字塔和可变形卷积,以提升检测精度.实验表明,改进算法的平均精确度均值可达到86.73%,相较于原算法提升了8.70%,其对微小缺陷识别效果好,满足了工业上对缺陷检测的需求.
关键词
表面缺陷检测/Faster/R-CNN/特征金字塔/可变形卷积/感兴趣区域池化Key words
surface defect detection/Faster R-CNN/feature pyramid network/deformable convolution/region of interest pooling引用本文复制引用
出版年
2023
NETL
NSTL
维普
万方数据