Faster_RCNN用于工业火花塞图像焊缝缺陷检测

• 作者: 娄润东 张鹏程 桂志国 田珠 赵瑞祥
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 焊缝图像 缺陷检测 快速区域卷积神经网络 深度学习 火花塞
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数据采集与图像处理
• 页码范围: 34-40
• 页数: 7页
• 分类号: TP183
• 字数: 5898字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2020.01.006

摘要

工业火花塞图像数据量大,焊缝宽度小且肉眼不易分辨.传统火花塞焊缝图像缺陷检测依赖人工手动完成,任务繁琐,个人经验占比大,检测标准不一,导致图像检测结果有误差.针对上述情况,对工业X射线火花塞焊缝图像进行了深入研究,提出了一种基于快速区域卷积神经网络(Faster_RCNN)的目标检测方法对焊缝图像精确定位并提取.由于火花塞焊缝是直线,利用图论方法对焊缝进行直线检测,之后提取出焊缝,校正倾斜焊缝直线并计算出其高度,最后加入焊缝判断系统,筛选出不合格的火花塞图像.实验结果表明,工业X射线焊缝缺陷检测准确率高于93％,误判漏判率低,有效缩短检测时间,提高工业检测效率,对实际工业火花塞智能检测有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂志国	中北大学生物医学成像与影像大数据山西省重点实验室	108	491	11.0	16.0
2	张鹏程	中北大学生物医学成像与影像大数据山西省重点实验室	29	77	6.0	6.0
3	田珠	中北大学生物医学成像与影像大数据山西省重点实验室	1	0	0.0	0.0
4	赵瑞祥	中北大学生物医学成像与影像大数据山西省重点实验室	1	0	0.0	0.0
5	娄润东	中北大学生物医学成像与影像大数据山西省重点实验室	1	0	0.0	0.0