融合引导锚框算法的Faster-RCNN缺陷检测 |
| |
引用本文: | 郭兰申,李杨,黄凤荣,钱法.融合引导锚框算法的Faster-RCNN缺陷检测[J].机械设计与制造,2022,374(4):160-164. |
| |
作者姓名: | 郭兰申 李杨 黄凤荣 钱法 |
| |
作者单位: | 河北工业大学机械工程学院,天津300131 |
| |
基金项目: | 基于冗余的高精度MEMS惯性导航系统技术研究 |
| |
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。
|
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 |
本文献已被 万方数据 等数据库收录! |
|