首页|改进Mask RCNN的焊缝缺陷检测

改进Mask RCNN的焊缝缺陷检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
焊接缺陷检测是焊接行业的一项重要工作,利用X射线焊缝缺陷图像进行缺陷检测是焊接无损检测的重要手段.为实现对缺陷的自动识别和定位,结合缺陷的具体特征提出了一种改进的Mask RCNN实例分割网络实现对图像进行缺陷检测和分割.该方法在原有网络的基础上通过采用变形卷积更好地提取不规则形状缺陷特征信息,引入空洞卷积加强高层特征的感受野,在局部图像中融合全局图像信息使局部图像获取上下文信息,利用迁移学习和数据增强降低对训练数据的需求,提升检测和分割精度.最终,通过对焊缝X射线数据集上进行实验,验证改进的Mask RCNN模型与原始Mask RCNN模型以及Faster RCNN模型等模型进行客观比较,并对实验结果进行可行性分析,提出的模型表现出更精确的检测精度和更好的性能.实验结果表明改进的Mask RCNN模型可以更好的适用于焊缝缺陷检测中.
Improved Mask RCNN for Weld Defect Detection

杨彬、亚森江·木沙、安波

展开 >

新疆大学机械工程学院,新疆 乌鲁木齐 830047

新疆维吾尔自治区特种设备检验研究院,新疆 乌鲁木齐 830013

Mask RCNN 变形卷积 空洞卷积 迁移学习 数据增强

新疆维吾尔自治区教育厅自然科学基金新疆大学自然科学基金

XJEDU2017M009BS180264

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.388(6)
  • 1
  • 2