仪器仪表学报

作者：向 宽，李松松，栾明慧，杨 莹，何慧敏

单位：向 宽,1.大连海洋大学信息工程学院,,李松松,1.大连海洋大学信息工程学院,,栾明慧,1.大连海洋大学信息工程学院,,杨 莹,1.大连海洋大学信息工程学院,,何慧敏,1.大连海洋大学信息工程学院,

关键词：铝材检测;深度学习;FasterRCNN;特征金字塔网络;感兴趣区域校准;K-means

基金：国家自然科学基金(51778104)、辽宁省渔业厅资助项目(201723)资助

针对传统检测算法对工业铝材表面缺陷识别率不高、对于小缺陷定位不准确等问题,提出改进的FasterRCNN深度学习网络对于铝材表面10种缺陷进行检测。首先,对数据进行增强后,在主干网络加入特征金字塔网络(FPN)结构以加强对小缺陷的特征提取能力,随后用感兴趣区域校准(ROIAlign)算法来代替粗糙的感兴趣区域池化(ROIPooling)算法,获得更准确的缺陷定位信息,最后加入K-means算法对缺陷数据进行聚类,得出更适应铝材缺陷的锚框。实验表明,改进后的网络对铝材表面缺陷检测的平均精度均值(mAP50)为91.20%,比原始的FasterRCNN网络提高了16%,并且对铝材小缺陷的检测能力也得到明显的提高。

来源：2021年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第1期