-
题名改进Faster R-CNN微缺陷检测算法研究
被引量：1
- 1
-
-
作者
黄梦涛
付晨
-
机构
西安科技大学电气与控制工程学院
西安市电气设备状态监测与供电安全重点实验室
-
出处
《传感器与微系统》
CSCD
北大核心
2024年第12期126-130,共5页
-
基金
陕西省重点研发计划资助项目(2019GY—097)。
-
文摘
小目标检测是缺陷检测中的难点,存在检测效果差、速度慢、定位精度低等问题。针对锂电池胶带表面微缺陷特征信息少、识别准确率低的问题,提出融合多尺度信息的Faster R-CNN模型。首先,将残差网络ResNet—50与递归特征金字塔作为特征提取网络,提升对微小缺陷的特征提取能力;其次,通过感兴趣区域(ROI)校准模块消除原网络定位时2次量化取整引入的误差,提升缺陷定位精度;最后,优化损失函数,解决模型对难易样本间学习能力的不平衡问题。改进后Faster R-CNN模型对锂电池胶带表面微缺陷检测的平均精度高达97.9%,比原始Faster R-CNN提高2.1%。
-
关键词
锂电池胶带
缺陷检测
Faster
R-CNN
特征融合
-
Keywords
lithium battery tape
defect detection
Faster R-CNN
feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
