基于改进 Cascade Faster R-CNN的铝型材表面缺陷识别研究

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。