基于改进的Faster R-CNN的齿轮外观缺陷识别研究

• 作者: 吉卫喜 彭威 徐杰 杜猛
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 齿轮缺陷识别 Faster R-CNN VGG-2CF AMF-Softmax损失函数
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 专栏:工业互联网
• 页码范围: 2198-2205
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-0545

摘要

为了实现齿轮外观缺陷自动化识别,提高齿轮产品的合格率.针对传统缺陷识别算法泛化差,人工提取特征耗时,提出了一种改进的较快的基于区域卷积神经网络(Faster R-CNN)的齿轮缺陷识别模型.设计出VGG-2CF网络,提高识别较小目标的能力;引入AM-Softmax损失函数,以减小类内特征的差异性,进一步增大类之间差异性;结合机器学习算法中的F度量值(F-measure),提出一种AMF-Softmax损失函数,解决数据不平衡的问题.实验结果表明,提出的改进模型具有较高的识别率,适用于齿轮外观的自动化检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉卫喜	江南大学机械工程学院	93	363	9.0	13.0
5	徐杰	江南大学机械工程学院	14	37	3.0	6.0
9	彭威	江南大学机械工程学院	8	8	2.0	2.0
13	杜猛	江南大学机械工程学院	2	1	1.0	1.0