一种基于Cascade R-CNN的电子器件容器质检方法

• 作者: 吴水明 景栋盛 朱燕 王芳
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 目标检测 机器视觉 卷积神经网络 定向检测 可变形卷积网络 多尺度
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 33-38,46
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.11.006

摘要

电子器件容器生产是一种对安全性、高效性、完整性要求极高的过程,是各大企业必须要关注的问题.但是在实际的生产封装过程中,容器上的污渍、容器内的异物,外观的异常不可避免地出现,这些问题亟待解决.目前解决这些问题主要的检测方法还是人工检测和传统的机器视觉的方式,人工检测方式的缺点在于准确率高而效率低,传统机器视觉检测方式是效率高而准确率低,都难以满足高速自动化生产线要求.因此,本文提出一种基于Cascade R-CNN的电子器件容器质检方法,针对实际过程中的容器数据定向改进网络,加入Focal Loss检测难以区分的样本,使用可变形卷积更高效地提取特征,以多尺度训练方式训练强鲁棒性的模型,用于电子器件容器的多类别检测问题.实验结果表明提出的改进的基于Cascade R-CNN的电子器件容器质检模型具有高准确率和强鲁棒性.