基于Faster R-CNN的排水管道缺陷检测研究

• 作者: 姚俊 潘惠惠 王庆 谭文禄
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 管道缺陷 目标检测 深度学习 FasterR-CNN 聚类分析
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 40-44,49
• 页数: 6页
• 分类号: TP306
• 字数: 2575字
• 语种: 中文
• DOI: 10.11907/rjdk.191817

摘要

为了克服传统深度学习在排水管道缺陷检测方面识别正确率较低的缺点,在Faster R-CNN算法基础上,利用聚类分析方法改进候选区域设置,提出一种优化的排水管道缺陷检测模型,并采用VGG、AlexNet、GoogleNet、ResNet代替Faster R-CNN网络中的特征提取层进行模拟计算.计算结果表明,K-means方法的最优类别数为5,虽然ResNet网络训练时间成倍增加,但其识别正确率达到0.89,比VGG网络提高了0.14.优化后的Faster R-CNN网络有效提高了排水管道缺陷检测的识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚俊		4	1	1.0	1.0
2	王庆		5	2	1.0	1.0
3	谭文禄		2	1	1.0	1.0
4	潘惠惠		2	1	1.0	1.0