基于改进Faster RCNN的铝材表面缺陷检测方法

• 作者: 向宽 李松松 栾明慧 杨莹 何慧敏
• 来源期刊: 仪器仪表学报
• 关键词: 铝材检测 深度学习 Faster RCNN 特征金字塔网络 感兴趣区域校准 K-means
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 检测技术|Detection Technology
• 页码范围: 191-198
• 页数: 8页
• 分类号: TP391.4|TH16
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2007109

摘要

针对传统检测算法对工业铝材表面缺陷识别率不高、对于小缺陷定位不准确等问题,提出改进的Faster RCNN深度学习网络对于铝材表面10种缺陷进行检测.首先,对数据进行增强后,在主干网络加入特征金字塔网络(FPN)结构以加强对小缺陷的特征提取能力,随后用感兴趣区域校准(ROI Align)算法来代替粗糙的感兴趣区域池化(ROI Pooling)算法,获得更准确的缺陷定位信息,最后加入K-means算法对缺陷数据进行聚类,得出更适应铝材缺陷的锚框.实验表明,改进后的网络对铝材表面缺陷检测的平均精度均值(mAP50)为91.20％,比原始的Faster RCNN网络提高了16％,并且对铝材小缺陷的检测能力也得到明显的提高.