基于改进Faster R-CNN的铝材板缺陷检测研究

摘要：

针对Faster R-CNN算法对于铝材板缺陷中大小跨度大的缺陷以及缺陷定位不准确的问题,提出改进Faster R-CNN用于铝材板缺陷检测.首先将VGG16特征提取网络替换为ResNet-101融合特征金字塔FPN,以提升模型对尺寸大小跨度大的缺陷的检测能力;其次,针对一些宽高比相差悬殊的铝材板缺陷定位不准问题提出K-means++聚类算法,用聚类结果调整基础锚框宽高比,使得模型更好框住缺陷以及一定程度上提升模型检测准确度.改进Faster R-CNN模型相比于传统Faster R-CNN模型准确率由79.5％提升至92.93％.

关键词：深度学习、目标检测、铝型材板、表面缺陷、卷积神经网络

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：372-377