基于深度学习的铝材表面缺陷检测系统设计

作者：朱安康; 王娆芬; 张振宇

来源：传感器与微系统, 2022, 41(08): 96-103.

DOI：10.13873/J.1000-9787(2022)08-0096-04

• 深度学习
• FasterRCNN
• 可变形卷积
• 缺陷检测

针对目前铝型材表面瑕疵检测系统检测效果差的问题，提出了一种基于深度学习的铝材表面缺陷检测系统。首先，适当改变主干网络的深度和通道数以提高模型鲁棒性，同时对改进后模型的超参数进行调整；然后增加使用可变形卷积，提高网络对不规则目标缺陷的检测能力。实验结果表明：对缺陷检测的平均准确率(mAP)较改进前提高6.5%,对角位漏底、起坑、漏底缺陷的检测精度分别提升25.7%,35.4%,33.5%。改进后系统模型的mAP较当前一系列性能优异的目标检测算法有显著提高。

• 单位
  上海工程技术大学