首页|基于改进Faster R-CNN的铝型材表面缺陷检测研究

基于改进Faster R-CNN的铝型材表面缺陷检测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on surface defect detection of aluminum profiles based on improved Faster R-CNN

surface defect detectionFaster R-CNNfeature pyramid networkdeformable convolutionregion of interest pooling

吴吉灵、金玉珍

展开 >

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

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

2023

10.16644/j.cnki.cn33-1094/tp.2023.11.010

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(11)
  • 6