基于Faster R-CNN的铝型材表面缺陷识别研究

作者：邓慧; 崔亚飞

来源：济源职业技术学院学报, 2022, 21(03): 59-62.

• Faster R-CNN
• 铝型材
• 缺陷识别

传统铝型材目标检测算法的准确率较低，严重影响铝型材的美观和质量。本文在Faster R-CNN网络的基础上，用ResNeXt105(残差网络)代替原始VGG16(经典卷积神经网络)提取图像特征，设计了Cascade Faster R-CNN的网络结构，采用FPN(特征金字塔网络)提取多尺度特征图并进行特征图融合。实验结果表明，在2722张图像测试集上，Faster R-CNN模型准确率为62.7%,本网络模型测试准确率达到81.4%,提高了18.7%。故相比于其他网络模型，本文的Faster R-CNN模型具有更强的特征提取能力和泛化能力，为类似小目标检测提高了技术参考。

• 单位
  永州职业技术学院; 建筑工程学院