基于Faster R-CNN的圆柱形金属工件表面缺陷检测

• 作者: 代作晓 宣静怡 徐秀 曹桐滔
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 圆柱形金属工件 表面缺陷检测 FasterR-CNN 深度学习 低对比度缺陷 机器视觉
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 软件设计与开发
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP319
• 字数: 2240字
• 语种: 中文
• DOI: 10.11907/rjdk.182498

摘要

为有效进行圆柱形金属工件表面缺陷检测,设计一套利用深度学习框架——Faster R-CNN的表面缺陷检测系统.该系统算法利用Resnet网络进行特征提取,采用RPN方法提取缺陷的候选目标矩形区域,再利用Fast R-CNN在候选区域基础上进行缺陷检测.此外,为克服金属表面反光并获得高质量图片,设计一套合适的图像采集系统.实验表明,该检测系统能有效克服光滑金属表面的强反射,从而获取高质量图片;同时利用基于Faster R-CNN框架的方法进行缺陷检测,较好地解决了圆柱形金属表面缺陷检测能力弱的问题,在置信度阈值为0.9时,其查全率为95.0％,查准率为96.0％,检测速度为65ms/幅.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹桐滔	上海电力大学自动化工程学院	3	3	1.0	1.0
2	徐秀	上海电力大学自动化工程学院	2	3	1.0	1.0