融合多层次特征Faster R-CNN的金属板带材表面缺陷检测研究

作者：王海云; 王剑平^*; 罗付华

来源：机械科学与技术, 2021, 40(02): 262-269.

DOI：10.13433/j.cnki.1003-8728.20200024

• 金属板带材
• 表面缺陷检测
• 准确定位
• 多层次特征
• Faster R-CNN

针对金属板带材表面缺陷呈现形式存在多样性和随机性而导致难以快速定位并准确识别的问题,提出一种融合多层次特征的Faster R-CNN缺陷目标检测算法(Defect-target detection network,DDN)。该算法采用多层次特征融合网络(Multilevel-feature fusion network, MFN)融合Faster R-CNN中VGG-16提取的各层次特征图,得到具有丰富位置信息和语义信息的融合特征图,后续网络基于该融合特征图产生最终的缺陷检测结果。利用钢带和铜板表面缺陷检测数据集评估本文算法性能,实验结果表明,提出的DNN能够快速准确检测出具有不同尺度的多类缺陷,与Faster R-CNN相比,在不损耗过多检测时间的前提下具有更优的检测精度,平均检测时间为129.65 ms或153.17 ms,平均准确率均值(Mean average precision, mAP)为86.13%或92.54%。

• 单位
  自动化学院; 昆明理工大学