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[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)合的分類器檢測方法來檢測金屬板材表面缺陷,,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,,較未改進(jìn)之前在整體上提升檢測速度的和缺陷的檢測率,,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。綜上所述,,SSD算法[8]及其變體的一階檢測器[9]更省時(shí),,在目標(biāo)檢測跟蹤方面更具備適用性,但論檢測性能而言,,二階檢測器(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算法的缺陷檢測方法,,提高了檢測精度,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.長沙理工大學(xué) 物理與電子科學(xué)學(xué)院,湖南 長沙410000,;2.中國人民解放軍第3303工廠,,湖北 武漢430200)