瓷砖表面非常规尺寸瑕疵的检测

摘要：

与普通目标检测任务不同,瓷砖表面瑕疵检测的困难之处在于检测小尺寸和大长宽比等非常规尺寸的目标.为了解决这两个问题,本文提出了一种基于改进Cascade R-CNN的新型瓷砖表面瑕疵检测算法.为了提高模型对小瑕疵的检测能力,本文模型利用侧向连接结构进行上下层语义信息的融合,使用可切换空洞率的空洞卷积来增加模型的感受野;为了提高模型对于大长宽比瑕疵的检测能力,本文模型在标准卷积上引入偏移域以更好提取目标特征信息.此外,本文模型调整Cascade R-CNN框架中预选锚框的大小和长宽比例.实验结果表明,在从瓷砖工厂收集的数据集上,本文所提出算法的平均精度均值(mean average precision,mAP)达到了73.5％,比改进前的Cascade R-CNN模型提高了9.7％.本文实验代码可从以下链接获取:https://github.com/mashibin/Ceramic-tile-defect-detection.

关键词：目标检测、Cascade R-CNN、侧向连接、空洞卷积、偏移域、深度学习、卷积神经网络

所属期刊栏目：31

分类号：TP391.41;TN722.75;O431

资助基金：国家自然科学基金;浙江省自然科学基金;辽宁省自然科学基金

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198