基于改进的R-FCN带纹理透明塑料裂痕检测

摘要：

为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点.实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性.

关键词：裂痕检测、支持向量机(SVM)、基于区域的全卷积网络(R-FCN)、残差网络(ResNet)、感受野

所属期刊栏目：55

分类号：TP24(自动化技术及设备)

资助基金：广东省省级科技计划项目No.2015B010919001.No.2016B090912002.No.2013JDXM30

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：168-172,264