| 基于改进Cascade Faster R-CNN的铝型材表面缺陷识别研究 |
| |
| 引用本文： | 崔亚飞,罗辉,秦龙,邓慧. 基于改进Cascade Faster R-CNN的铝型材表面缺陷识别研究[J]. 机电工程技术, 2021, 50(11): 85-90. DOI: 10.3969/j.issn.1009-9492.2021.11.020 |
| |
| 作者姓名： | 崔亚飞 罗辉 秦龙 邓慧 |
| |
| 作者单位： | 永州职业技术学院智能制造与建筑工程学院,湖南永州 425100 |
| |
| 摘 要： | 在铝型材实际生产过程中,由于碰撞、加工温度、压力等原因,可能导致铝型材产生擦花、脏点、喷流等数种表面缺陷,缺陷目标较小,长宽大,传统目标检测算法的准确率较低,严重影响铝型材的美观和质量.在Faster R-CNN网络的基础上,引入了多阶段模型训练方法使部分无缺陷样本生成对抗样本,用ResNeXt105网络代替原始VGG16网络提取图像特征,设计了Cascade Faster R-CNN的网络结构,采用FPN提取多尺度特征图并进行特征图融合.实验结果表明,在2722张图像测试集上,Faster R-CNN模型准确率为62.7％,网络模型测试准确率达到81.4％,提高了18.7％.故相比于其他网络模型,改进后的Cascade Faster R-CNN的模型具有更强的特征提取能力和泛化能力,为类似小目标检测提高了技术参考.
|
| 关 键 词： | Cascade Faster R-CNN 铝型材 缺陷识别 |
Research on Surface Defect Recognition of Aluminum Profile Based on Improved Cascade Faster R-CNN |
| |
| Cui Yafei,Luo Hui,Qin long,Deng Hui. Research on Surface Defect Recognition of Aluminum Profile Based on Improved Cascade Faster R-CNN[J]. Mechanical & Electrical Engineering Technology, 2021, 50(11): 85-90. DOI: 10.3969/j.issn.1009-9492.2021.11.020 |
| |
| Authors: | Cui Yafei Luo Hui Qin long Deng Hui |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
