基于深度学习的车载导航导光板表面缺陷检测研究

作者：王昊; 李俊峰

来源：软件工程, 2022, 25(03): 34-16.

DOI：10.19644/j.cnki.issn2096-1472.2022.003.008

• 缺陷检测
• 深度学习
• Mask R-CNN
• 多尺度融合
• SE模块

针对车载导航导光板表面缺陷像素值分布不均且普遍较小、背景复杂多变等特点,提出了基于改进掩膜区域卷积神经网络(Mask Region-based Convolutional Neural Network,Mask R-CNN)模型检测车载导航导光板表面缺陷的检测方法。首先,引入PinFPN模块改进原有Mask R-CNN的特征融合网络,充分利用高低语义信息构成各级语义、位置信息兼备的共享特征层,提升整体网络的检测精度;其次,通过引入跳层连接结构和SE(Sequence and Excitation)模块对网络的分割分支进行改进,改善了传统Mask R-CNN网络语义信息获取不充分的问题;最后,通过在自建的车载导航导光板数据集上的一系列实验对比,证明了本方法在检测精度和分割上的优势,在自建数据集上的检测准确率达到了95.3%,满足工业检测的要求。

• 单位
  浙江理工大学