基于改进的RetinaNet医药空瓶表面气泡检测

• 作者: 付磊 任德均 吕义钊 吴华运 胡彬 邱吕
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 缺陷检测 特征增强模块 膨胀卷积模块 卷积神经网络 特征金字塔网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 电子信息科学
• 页码范围: 1090-1095
• 页数: 6页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.06.011

摘要

医药空瓶在生产过程中瓶身表面会产生大量的气泡缺陷,但现有的方法对医药空瓶表面气泡检测存在各种问题,例如对复杂场景变化的鲁棒性不强,抗噪声干扰能力弱等.针对现有医药空瓶表面的气泡缺陷,提出了一种改进的深度学习目标检测算法RetinaNet对瓶身气泡进行检测.对原始RetinaNet算法中的特征金字塔网络结构进行了优化,在特征融合过程中引入了特征增强模块,用来提高网路对图像语义特征的提取,增强网络特征提取能力.为了减少模型的参数数目和计算时间,考虑到空瓶表面气泡均为小目标缺陷,去掉原始特征金字塔网络中用于检测大目标的网络结构,提高了算法检测速度.通过对标准的ResNet50网络进行重新组合,并引进了膨胀卷积模块,扩大特征图感受野,提高了模型检测的精度.通过在注塑空瓶数据集上对本文的方法进行了验证,其准确率为99.72％,漏检率为0.12％,误检率为0.16％,mAP为99.49％,相比原始的RetinaNet的mAP提高了接近2.4％.