基于深度学习的X射线鞋底异物检测系统

• 作者: 肖力炀 李伟 高荣 申浩 王孟
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 Faster R-CNN 断针检测 异物检测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 系统建设|System Construction
• 页码范围: 88-94
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007820

摘要

在服饰鞋厂的加工生产过程中经常会出现断针现象,残留在鞋子里的多余断针等金属异物会威胁人们的人身安全.针对这一问题,本文提出了一种基于深度学习的鞋底金属异物检测系统.首先,将鞋子依次放在传送带上送入检针机,经过X光照射采集图像.之后对采集到的图像进行预处理操作,使金属异物变得清晰.最后通过深度学习网络模型识别当前图像是否含有金属异物,并检测异物所处位置.实验结果表明,经过图像预处理和微调标注框的做法,能有效提高模型识别的精度.本文提出模型的平均精度为97.6％,该结果表明此模型可以有效检测遗留在各种鞋类中不同形状的金属异物,具有很好的商业价值.