基于改进的Faster RCNN碳纤维编织物缺陷检测

摘要：

以碳纤维立体编织物表面质量检测为研究对象,针对传统视觉识别率不高、小缺陷特征定位和识别不够准确的问题,提出基于改进的Faster RCNN缺陷检测算法.选取ResNet50作为主干特征提取网络,解决小缺陷特征图在卷积操作中的失真情况;采用Soft?NMS算法替换传统的NMS算法,以降低缺陷重复图像的误删;采用RoI Align层替换RoI Pooling层,以降低两次量化取整操作带来的缺陷特征定位误差.在PyTorch框架上对PASCAL VOC2007格式的缺陷图像数据集进行训练和测试.结果表明:改进的Faster RCNN平均精度均值为92.7％,相比原始Faster RCNN网络提升了3.8个百分点,其中毛刺等小缺陷特征识别平均精度提升了5.6个百分点.认为:基于改进的Faster RCNN模型可以满足碳纤维立体编织物表面质量检测要求.

关键词：碳纤维编织物、织物疵点、深度学习、Faster RCNN、RoI Align、Soft-NMS

所属期刊栏目：51

分类号：TS101.9(纺织工业、染整工业)

资助基金：国家自然科学基金51905088

在线出版日期：2023-02-27（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：48-54