基于改进深度学习模型的焊缝缺陷检测算法

• 作者: 张心雨 谢泽群 谷静
• 来源期刊: 宇航计测技术
• 学科: 工学
• 关键词: 焊缝缺陷检测 快速区域卷积神经网络 多尺度特征图 改进区域生成网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 精密测试技术
• 页码范围: 75-79,87
• 页数: 6页
• 分类号: TP39
• 字数: 3873字
• 语种: 中文
• DOI: 10.12060/j.issn.1000-7202.2020.03.16

摘要

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力.实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷静	西安邮电大学电子工程学院	22	64	4.0	7.0
2	谢泽群	西安邮电大学电子工程学院	1	0	0.0	0.0
3	张心雨	西安邮电大学电子工程学院	1	0	0.0	0.0