科研之友
微信
新浪微博
Facebook
分享链接
摘要
铝型材表面由于生产工艺、机械振动等外在条件影响,会产生加工瑕疵,由于其瑕疵特有的纹理、尺寸、形状随机性、不规则性等因素,现有的一些金属表面瑕疵检测模型泛化能力差,无法在铝型材瑕疵检测上取得较好的检测效果。针对上述问题,提出一种改进Faster RCNN架构的铝型材表面瑕疵检测模型,通过改进原有卷积核计算模式,融合改进噪声过滤特征金字塔网络及形变卷积以提升检测模型对多尺度及不规则瑕疵表征的学习能力;同时改用ROI Align提取特征图及改进候选框生成网络损失函数以提高对微小瑕疵的定位能力;针对铝型材表面瑕疵多样性、类间相似问题,提出一种多阶段模型训练方法,并在原有Softmax损失函数基础上联立Center Loss优化损失函数,以提高模型的相似类别检测能力。通过实验对比结果表明,改进后的检测模型对不同类型的铝型材表面瑕疵均具有较高检测精度,平均分类精度达97.50%,mAP指标达到84.16%,同时保持了较低的误检率,可达到对铝型材表面瑕疵的有效识别,具有较强的实用性。
- 单位
