融合引导锚框算法的Faster-RCNN缺陷检测

• 作者: 郭兰申 李杨 黄凤荣 钱法
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 表面缺陷检测 卷积神经网络 深度学习 Faster-RCNN算法 引导锚框算法
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 数控与自动化|NC & Automation
• 页码范围: 160-164
• 页数: 5页
• 分类号: TH16|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2022.04.036

摘要

针对传统零件表面缺陷检测方法准确性差效率低,无法满足智能制造需求的问题,提出基于Faster-RCNN深度学习算法的缺陷检测方法.在Faster-RCNN基本算法的基础上,引入引导锚框算法生成anchor方案,解决算法中anchor方案对本次检测的缺陷目标缺乏针对性、产生大量的冗余区域建议窗口的问题,以提高检测的准确性和效率;通过对比非极大值抑制中不同的IOU阈值对检测结果的影响,确定最优的IOU阈值,并设计零件缺陷样本采集方案,建立三种零件缺陷数据集,在此基础上对方法的有效性进行试验验证.实验结果表明,该方法能够大幅度提高零件表面缺陷检测的准确性和效率,各缺陷检测结果的平均精度可达97.7％以上,平均检测速度达到4.3 fps,满足了智能制造的急迫需求.