基于Mask R-CNN的铸件X射线DR图像缺陷检测研究

• 作者: 付金磊 张理泽 沈宽 蔡彪
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: Mask R-CNN 深度学习 铸件缺陷 引导滤波 实例分割
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 检测技术
• 页码范围: 61-69
• 页数: 9页
• 分类号: TP391.41|TH878+.1
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J1905908

摘要

针对传统的铸件缺陷检测不能对缺陷进行分类分级等问题,提出了一种基于Mask R-CNN的铸件X射线DR图像缺陷检测算法.首先对原始图像进行预处理,采用引导滤波进行图像平滑,平滑图像与原图像进行差分得到差分图像,将差分图像与平滑图像相加运算使图像增强,再利用Labelme进行图像标注,形成训练数据集.送入Mask R-CNN深度学习网络,通过特征提取网络生成建议区域,分类、回归网络生成边界框和掩码,经多次参数调节后得到训练网络模型,最后测试数据集.实验数据结果表明,气泡1～5级的检测率分别为:66.7％,71.4％,77.4％,88.9％,87.5％;疏松1～5级检测率为:62.5％,72.2％,77.1％,83.3％,81.1％.检测结果证明应用Mask R-CNN结合引导滤波增强方法的缺陷检测方法可以较好的实现对铸件X射线DR图像的缺陷检测的分级分类,为工业铸件缺陷检测提供了应用深度学习方法的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈宽		3	5	1.0	2.0
2	蔡彪		2	1	1.0	1.0
3	付金磊		1	0	0.0	0.0
4	张理泽		1	0	0.0	0.0