改进FasterRCNN模型的布氏硬度检测方法

摘要：

自动提取布氏压痕轮廓是提高布氏硬度检测效率的关键一步,针对传统机器视觉算法提取布氏压痕轮廓算法的不足,通过FasterRCNN模型实现了布氏硬度压痕直径的自动化检测;针对检测布氏硬度压痕圆的特点,提出对FasterRCNN模型的改进;在classification网络中的边框回归损失函数中加入预测检测框的长与宽的方差,在改进的边框回归函数优化目标修改为真实检测框与预测检测框差距最小且预测检测框宽与高之间差距最小,使得基于改进的FasterRCNN模型布氏硬度检测能够提供更加准确的目标预测检测框,取得更精准检测效果;同时引入数据增强的方法扩充有效数据大小;实验结果表明,基于FasterRCNN的布氏硬度模型检测方法适用于锈蚀和光滑金属表面工况;改进的FasterRCNN网络模型准确率为97.08％,较原模型提升0.73％,归一化均方误差(nMSE)为0.001 226,较原模型降低40.31％,改进的效果明显,并弥补机器视觉算法提取压痕轮廓的不足.

关键词：FasterRCNN、布氏硬度、边框回归、压痕提取、计算机视觉

所属期刊栏目：30

分类号：TP183(自动化基础理论)

在线出版日期：2022-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：72-78,83