-
题名融合引导锚框算法的Faster-RCNN缺陷检测
被引量：3
- 1
-
-
作者
郭兰申
李杨
黄凤荣
钱法
-
机构
河北工业大学机械工程学院
-
出处
《机械设计与制造》
北大核心
2022年第4期160-164,共5页
-
基金
基于冗余的高精度MEMS惯性导航系统技术研究(61973333)。
-
文摘
针对传统零件表面缺陷检测方法准确性差效率低,无法满足智能制造需求的问题,提出基于Faster-RCNN深度学习算法的缺陷检测方法。在Faster-RCNN基本算法的基础上,引入引导锚框算法生成anchor方案,解决算法中anchor方案对本次检测的缺陷目标缺乏针对性、产生大量的冗余区域建议窗口的问题,以提高检测的准确性和效率;通过对比非极大值抑制中不同的IOU阈值对检测结果的影响,确定最优的IOU阈值,并设计零件缺陷样本采集方案,建立三种零件缺陷数据集,在此基础上对方法的有效性进行试验验证。实验结果表明,该方法能够大幅度提高零件表面缺陷检测的准确性和效率,各缺陷检测结果的平均精度可达97.7%以上,平均检测速度达到4.3 fps,满足了智能制造的急迫需求。
-
关键词
表面缺陷检测
卷积神经网络
深度学习
Faster-RCNN算法
引导锚框算法
-
Keywords
Surface Defect Detection
Convolutional Neural Network
Deep Learning
Faster-RCNN Algorithm
Guided Anchoring Algorithm
-
分类号
TH16
[机械工程—机械制造及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
