基于 Faster R-CNN的铝型材表面缺陷识别研究

摘要：

传统铝型材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.本文在Faster R-CNN网络的基础上,用ResNeXt105(残差网络)代替原始VGG16(经典卷积神经网络)提取图像特征,设计了 Cascade Faster R-CNN的网络结构,采用FPN(特征金字塔网络)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％,本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,本文的Faster R-CNN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：Faster R-CNN、铝型材、缺陷识别

所属期刊栏目：21

分类号：TP391.4(计算技术、计算机技术)

资助基金：永州市教育科学规划课题YJK021A016

在线出版日期：2022-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：59-62