基于Faster R-CNN的圆柱形金属工件表面缺陷检测

论文摘要

为有效进行圆柱形金属工件表面缺陷检测,设计一套利用深度学习框架——Faster R-CNN的表面缺陷检测系统。该系统算法利用Resnet网络进行特征提取,采用RPN方法提取缺陷的候选目标矩形区域,再利用Fast R-CNN在候选区域基础上进行缺陷检测。此外,为克服金属表面反光并获得高质量图片,设计一套合适的图像采集系统。实验表明,该检测系统能有效克服光滑金属表面的强反射,从而获取高质量图片;同时利用基于Faster R-CNN框架的方法进行缺陷检测,较好地解决了圆柱形金属表面缺陷检测能力弱的问题,在置信度阈值为0.9时,其查全率为95.0%,查准率为96.0%,检测速度为65ms/幅。

论文目录

• 0 引言
• 1 Faster R-CNN缺陷检测算法
•   1.1 特征提取
•   1.2 区域建议网络RPN
•   1.3 缺陷识别
• 2 实验系统与实验过程
•   2.1 实验系统
•   2.2 实验数据集与训练检测模型构建
• 3 实验结果与分析
• 4 结语

文章来源

类型: 期刊论文

作者: 徐秀,宣静怡,曹桐滔,代作晓

关键词: 圆柱形金属工件,表面缺陷检测,深度学习,低对比度缺陷,机器视觉

来源: 软件导刊 2019年05期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 金属学及金属工艺,计算机软件及计算机应用,自动化技术

单位: 上海电力大学自动化工程学院

基金: 太仓市科技计划项目(大院大所创新引领专项计划)(TC2017DYDS04)

分类号: TP391.41;TP183;TG115.28

页码: 130-133

总页数: 4

文件大小: 1976K

下载量: 620