文献类型：期刊文章

作　　者：李伟朝[1] 陈志豪[1] 张勰[2] 查云威[1]

LI Weichao;CHEN Zhihao;ZHANG Xie;ZHA Yunwei(School of Automation,Guangdong Key Laboratory of IoT Information Technology,Guangdong University of Technology,Guangzhou 510006,China;School of Electric Power Engineering,South China University of Technology,Guangzhou 510630,China)

机构地区：[1]广东工业大学自动化学院广东省物联网信息技术重点实验室,广州510006 [2]华南理工大学电力学院,广州510630

出　　处：《计算机测量与控制》

基　　金：科技创新2030-“新一代人工智能”国家级重大项目(2020AAA0108300)。

年　　份：2023

卷　　号：31

期　　号：7

起止页码：99-106

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：手机屏幕缺陷检测是手机生产的重要环节,实现准确而高效的屏幕缺陷检测对于提高手机工业产能具有重要意义;在实际生产过程中,手机屏幕图像缺陷特征隐晦、缺陷尺寸差异大等问题,加大了手机屏幕缺陷检测的难度;为解决上述问题,提出了一种基于Preprocessing operations are combined with U-Net-Faster R-CNN(PU-Faster R-CNN)的手机屏幕缺陷检测模型;针对手机屏幕图像的特征信息隐晦的问题,提出多层特征增强模块,有效的对目标缺陷特征信息进行增强;构建多尺度特征提取网络,有效提取多尺度的缺陷特征信息;为了生成拟合性更好的Anchor box,提出了自适应区域建议网络,通过自迭代聚类算法生成尺寸更准确的Anchor box模板;实验结果表明,基于PU-Faster R-CNN的手机屏幕检测框架在手机屏幕数据集上优于主流的手机屏幕缺陷检测框架。

关 键 词：手机屏幕 缺陷检测  PU-Faster R-CNN  多层特征增强模块  自适应区域建议网络  

分 类 号：TP18]