Surface defect detection of polarizer based on improved Faster-RCNN

doi:10.13741/j.cnki.11-1879/o4.2021.06.010

您当前的位置：

首页 >

文章列表页 >

Surface defect detection of polarizer based on improved Faster-RCNN

更新时间：2025-09-01

- Surface defect detection of polarizer based on improved Faster-RCNN
- Vol. 47, Issue 6, Pages: 695-702(2021)
- 作者机构：
  
  1. 1:苏州科技大学电子与信息工程学院
  2. 2:苏州市智能测控工程技术研究中心
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.06.010
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Surface defect detection of polarizer based on improved Faster-RCNN[J]. 2021, 47(6): 695-702.
DOI：

Surface defect detection of polarizer based on improved Faster-RCNN[J]. 2021, 47(6): 695-702. DOI： 10.13741/j.cnki.11-1879/o4.2021.06.010.

摘要

针对人工和传统自动化检测偏光片表面缺陷的准确性和效率问题

解决传统机器视觉在人工设计特征和泛化能力差的问题

提出了一种基于改进Faster-RCNN的偏光片表面缺陷检测方法。通过对比四种特征提取网络最终选择ResNet-101并引入特征金字塔网络(FPN)来提高对小缺陷的检测能力;接着采用ROI Align取代原始的ROI Pooling以解决两次取整操作引起的像素误差;最后通过采集方案获取偏光片表面图像

建立三种缺陷类型的数据集

结合k-means++聚类算法来改进anchor生成方案。实验表明

改进后的网络在偏光片缺陷数据集的mAP达到93.5%

平均检测单张待测图像耗时0.142s

能够满足实际检测的需求。

Abstract

关键词

Keywords

references

Views

1103

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Brain image registration method based on low-resolution auxiliary features and convolutional neural network

Concealed object detection from millimeter wave images based on DSA-BCNN

Denoising process for image impulse noise based on dual-channel neural networks

Visible/Near infrared spectroscopy modeling of soil nitrogen content based on PSO-CNN

Related Author

康拥朝

刘浩

皮伟强

杨红艳

毕玉革

张锡鹏

王远军

薛湛琦

Related Institution

1:内蒙古农业大学机电学院

1:上海理工大学医学影像工程研究所

3:擎翌(上海)智能科技有限公司

2:上海第二工业大学文理学部

1:上海理工大学光电信息与计算机工程学院

⁰