文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.211404
中文引用格式: 陳婉琴,唐清善,,黃濤. 基于改進(jìn)Faster R-CNN的面板缺陷檢測(cè)算法[J].電子技術(shù)應(yīng)用,,2022,48(1):133-137.
英文引用格式: Chen Wanqin,,Tang Qingshan,Huang Tao. Panel defect detection algorithm based on improved Faster R-CNN[J]. Application of Electronic Technique,,2022,,48(1):133-137.
0 引言
在金屬板材生產(chǎn)過程中,由于加工技術(shù),、溫度控制,、雜物摻入[1]等影響,金屬面板表面會(huì)產(chǎn)生各種缺陷,,如劃痕,、凸粉等。其不僅影響產(chǎn)品的美觀和舒適度,,而且會(huì)在使用過程中留下潛在隱患,。因此,表面缺陷檢測(cè)環(huán)節(jié)對(duì)于保障產(chǎn)品的質(zhì)量非常重要,。
人們?cè)谌毕蓊I(lǐng)域的探索分為基于傳統(tǒng)目標(biāo)檢測(cè)[2]和基于深度學(xué)習(xí)[3]的方法,。周神特等人[4]利用SIFT算子提取缺陷特征向量后提出了一種BP算法級(jí)聯(lián)SVM結(jié)合的分類器檢測(cè)方法來檢測(cè)金屬板材表面缺陷,,該方法對(duì)缺陷特征要求辨識(shí)度高,對(duì)于與背景相似的缺陷無法得到有效處理,。李蘭等人[5]提出一種基于空洞卷積融合的SSD工件表面缺陷檢測(cè)方法,,有效地對(duì)工件表面的剝落、碎屑,、梨溝缺陷進(jìn)行識(shí)別,,但是其缺陷樣本是利用電子顯微鏡獲取,對(duì)缺陷樣本的分辨率要求很高,。李維剛等人[6]提出一種基于K-means聚類改進(jìn)的YOLOv3算法對(duì)帶鋼表面缺陷進(jìn)行檢測(cè),,較未改進(jìn)之前在整體上提升檢測(cè)速度的和缺陷的檢測(cè)率,但是其使用的K-means對(duì)初始設(shè)置條件極其敏感,,數(shù)據(jù)量不夠時(shí)無法保證其結(jié)果的有效性,。王海云等人[7]提出了一種利用FPN改進(jìn)Mask R-CNN算法來檢測(cè)工業(yè)表面缺陷,雖然能夠準(zhǔn)確地定位和識(shí)別缺陷,,但是其利用多尺度特征映射融合的方法增加了網(wǎng)絡(luò)復(fù)雜度,,導(dǎo)致其訓(xùn)練速度慢,識(shí)別耗時(shí)長(zhǎng),。綜上所述,,SSD算法[8]及其變體的一階檢測(cè)器[9]更省時(shí),在目標(biāo)檢測(cè)跟蹤方面更具備適用性,,但論檢測(cè)性能而言,,二階檢測(cè)器(如R-CNN[10-11])及其變體等在公共的評(píng)價(jià)基準(zhǔn)上取得的檢測(cè)精度更優(yōu)。因此,,本文提出了基于改進(jìn)Faster RCNN算法的缺陷檢測(cè)方法,,提高了檢測(cè)精度,并且具有良好的識(shí)別速率,,適用性更強(qiáng),。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003924。
作者信息:
陳婉琴1,,唐清善1,,黃 濤2
(1.長(zhǎng)沙理工大學(xué) 物理與電子科學(xué)學(xué)院,湖南 長(zhǎng)沙410000,;2.中國(guó)人民解放軍第3303工廠,,湖北 武漢430200)