基于深度学习在海缆表面缺陷检测中的应用

作者：张浩^*; 吴陈; 徐影

来源：电脑知识与技术, 2022, 18(15): 88-91.

DOI：10.14004/j.cnki.ckt.2022.1018

• 深度学习
• 海缆
• 表面缺陷
• 检测

传统的海缆表面缺陷检测是通过人工观察的方式，易出现高错误率、速度较慢等现象。为此，文章提出了一种基于深度学习在海缆表面缺陷检测的系统。为了提高整体的检测效率，该系统通过Faster-RCNN网络对图片缺陷进行检测。为了减小模型的复杂程度，采用了RPN Loss+Fast RCNN Loss的联合训练方法，通过一次的反向传播更新模型参数。同时，为了增强模型对海缆表面缺陷的检测能力，在主干特征提取网络部分，利用Resnet50中四个不同阶段的特征层构建特征金字塔网络,以适应不同缺陷的检测。实验结果表明，缺陷检出率达到98%,分类准确率达到97.9%。经过验证，该系统检测效果优于传统方式，可以满足工业化生产要求。

• 单位
  江苏科技大学