基于改进级联R-CNN的酒瓶瑕疵检测

作者：高林; 张玉蓉; 李升凯; 朱庆港^*; 姜旭辉

来源：计算机工程与设计, 2022, 43(02): 434-442.

DOI：10.16208/j.issn1000-7024.2022.02.019

• 级联卷积神经网络
• 酒瓶瑕疵
• 锚框聚类
• 多尺度预测
• 感兴趣对齐层

为降低厂家因瓶装酒瑕疵带来的不必要损失,提出一种改进的Cascade R-CNN算法模型,对酒瓶瑕疵进行检测。采用基于聚类算法的Anchor生成策略,将多尺度预测的骨干网络用作特征提取,使用感兴趣对齐层取代原先的感兴趣池化层。将改进的模型与其它基于Faster R-CNN和Cascade R-CNN的酒瓶瑕疵检测模型做消融实验,实验结果表明,该模型能够更加准确识别和定位出多类酒瓶瑕疵情况。在检测速度方面虽然略逊于其它模型,但模型检测的准确度达到了79.6%,远高于其它模型。

• 单位
  青岛科技大学; 电子工程学院