基于改进Faster R-CNN的纸病检测算法

作者：汤伟; 王锦韫; 张龙

来源：包装工程, 2023, 44(21): 260-266.

DOI：10.19554/j.cnki.1001-3563.2023.21.032

• 纸病检测
• Faster R-CNN
• ResNet-50
• 卷积块双重注意力机制
• ROI-Align

目的 达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法 基于Faster R-CNN的检测算法进行改进，主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16，以保留更多的纸病特征信息，增强特征网络对纸张缺陷的提取能力；在算法中添加空间和通道的双重注意力机制CBAM，用来提高纸病检测精度；将ROI-Pooling替换为ROI-Align，增强网络的泛化能力。结果 实验结果表明，改进后的算法平均精度达到98%，较原算法平均精度提升了9%。结论 改进后的算法能够充分提取纸病特征信息，有效提高了纸病的检测精度，以及提高了小目标纸病的检测率，降低了错漏检率。

• 单位
  陕西科技大学