基于自适应全局定位算法的带钢表面缺陷检测

作者：王延舒; 余建波

来源：自动化学报, 2023, 1-16.

• 表面缺陷检测
• 深度学习
• 特征金字塔
• 自适应树形候选框提取
• 全局定位

针对热轧带钢表面缺陷检测存在的智能化水平低、检测精度低和检测速度慢等问题,本文提出了一种基于自适应全局定位网络(Adaptive global localization network, AGLNet)的深度学习缺陷检测算法.首先,引入了一种残差网络(Residual network, ResNet)与特征金字塔网络(Feature pyramid network, FPN)集成的特征提取结构,减少缺陷语义信息在层级传递间的消失;其次,提出基于Tree-structure parzen estimation的自适应树型候选框提取网络(Adaptive treestructure region proposal network, AT-RPN),无需先验知识的测试积累,避免了人为调参的训练模;最后,引入了全局定位算法(Global localization regression)算法以全局定位的模式在复杂的缺陷检测中实现缺陷更精确定位.本文实现一种快速、准确、更智能化、更适用于实际工业应用的热轧带钢表面缺陷的算法.实验结果表明, AGLNet在NEU-DET热轧带钢表面缺陷数据集上的检测速度保持在11.8fps,平均精度达到了79.90%,优于目前其他深度学习带钢表面缺陷检测算法;另外该算法还具备较强的泛化能力.

• 单位
  同济大学