基于改进Faster R-CNN的棉布包装缺陷检测的方法研究

Journal of Electronic Measurement and Instrumentation（2022）

引用 0|浏览6

暂无评分

摘要

由于传统检测算法对棉布包装缺陷检测不够准确、对小目标缺陷识别率不够高,所以提出改进的Faster R-CNN深度学习网络,对棉布包装存在的破损、污渍、孔洞、杂质、线头等5种缺陷进行检测.通过对图像进行预处理实现图像增强,然后改进Faster R-CNN中的RPN和ROI结构,为加强小目标缺陷的检测能力,在主干网络中融合特征金字塔网络结构,最后对ROI进行双线性插值以解决多次量化引起的像素偏差问题.实验表明,改进后的网络对棉布包装表面缺陷检测的平均精度均值mAP为91.34％,与传统算法相比,mAP值提高了 9.08％.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要