文献类型：期刊文章

作　　者：吴越[1] 杨延竹[1] 苏雪龙[3] 韩阜益[2]

WU Yue;YANG Yanzhu;SU Xuelong;HAN Fuyi(College of Mechanical Engineering,Donghua University,Shanghai 201620,China;Department of Asset Management,Donghua University,Shanghai 201620,China;Shanghai Merchant Ship Design and Research Institute,Shanghai 201203,China)

机构地区：[1]东华大学机械工程学院,上海201620 [2]东华大学资产管理处,上海201620 [3]上海船舶研究设计院,上海201203

出　　处：《东华大学学报（自然科学版）》

年　　份：2021

卷　　号：47

期　　号：3

起止页码：84-89

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、ZGKJHX、核心刊

摘　　要：对钢板表面常见缺陷和现有的基于深度学习的表面缺陷检测算法进行分析,选用Faster RCNN(region-based convolutional neural network)模型对钢板表面缺陷进行检测。由于Faster RCNN中的RoI Pooling池化操作产生的像素偏差和空间位置偏差会影响检测精度,选用在小缺陷细节特征上表现更好的RoI Align作为改进Faster R-CNN的特征池化模块。在PyTorch框架上对YOLOv3、Faster R-CNN和改进Faster R-CNN模型进行训练与测试,结果表明,改进Faster RCNN的平均检测精度为87.14%,相比YOLOv3和Faster R-CNN检测精度分别提高4.81%和2.07%,对于小缺陷的检测精度的提高更为显著。

关 键 词：钢板缺陷检测  深度学习  Faster R-CNN  RoI Align  

分 类 号：TP391]