基于改进Faster R-CNN的刹车零件缺陷检测算法
针对传统目标检测算法对刹车零件缺陷识别率不高的问题,提出利用改进的Faster R-CNN算法对其进行检测.首先选择ResNeXt50作为主干网络,在相同计算量的情况下,提高特征提取能力;其次加入改进特征金字塔(FPN)结构,将高层丰富的语义信息和底层精确的位置信息进行融合;然后选择感兴趣区域校准(ROI Align)来解决区域不匹配问题,使缺陷的定位信息更加准确;最后在刹车零件缺陷数据集上分别对改进前后的Faster R-CNN进行训练,并分别测试模型性能.实验结果表明,Faster R-CNN检测刹车零件缺陷的性能较好,但有部分小目标漏检;改进后的模型对小目标缺陷的检测表现良好,均值平均精度(mAP)达到了 82.4%,比原始Faster R-CNN的mAP高11.3%,平均检测时间为0.139 s,实现了对刹车零件缺陷的快速准确检测.
目标检测、刹车零件、Faster R-CNN、FPN、ROI Align
41
TP394.1;TH16(计算技术、计算机技术)
国家自然科学基金61703268
2022-10-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
22-28