科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统缺陷检测方法普遍存在检测精度低的问题，以Faster R-CNN算法为基本检测算法，通过融合其主干网络VGG-16网络Block3与Block5的特征，并以两个IoU阈值分别为0.5和0.6的级联R-CNN网络作为检测网络，提出一种基于机器视觉的钢材表面缺陷检测方法。仿真结果表明，所提方法通过融合Block3与Block5特征融合，减少了结构信息的丢失；通过级联两个不同IoU阈值的R-CNN网络，实现了对区域建议框的更准确分类与定位，提高了钢材表面缺陷检测精度，使平均检测精度达到98.29%，检测速度达到12.26帧/s。相较于基于SSD和YOLO-V3等传统检测算法，平均检测精度和检测速度均得到不同程度的提升，具有一定的有效性和优越性，能够解决传统缺陷检测方法存在的检测精度低的问题，可满足不同类别的钢材表面缺陷检测需求。
- 单位
