基于改进 Cascade Faster R-CNN的铝型材表面缺陷识别研究
![](http://img.resource.qikan.cn/qkimages/jdgj/jdgj202111/jdgj20211120-1-l.jpg)
打开文本图片集
摘要:在铝型材实际生产过程中,由于碰撞、加工温度、压力等原因,可能导致铝型材产生擦花、脏点、喷流等数种表面缺陷,缺陷目标较小,长宽大,传统目标检测算法的准确率较低,严重影响铝型材的美观和质量。在 Faster R-CNN 网络的基础上,引入了多阶段模型训练方法使部分无缺陷样本生成对抗样本,用 ResNeXt105网络代替原始 VGG16网络提取图像特征,设计了 Cascade Faster R-CNN 的网络结构,采用 FPN 提取多尺度特征图并进行特征图融合。(剩余10025字)
网站仅支持在线阅读(不支持PDF下载),如需保存文章,可以选择【打印】保存。