基于改进Faster-RCNN的偏光片表面缺陷检测

夏禹; 肖金球; 翁玉尚

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

您当前的位置：

首页 >

文章列表页 >

基于改进Faster-RCNN的偏光片表面缺陷检测

光学测量 | 更新时间：2025-09-01

- 基于改进Faster-RCNN的偏光片表面缺陷检测
- Surface defect detection of polarizer based on improved Faster-RCNN
- 光学技术 2021年47卷第6期页码：695-702
- 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：
  
  江苏省产学研前瞻性联合项目基金(BY2011132);江苏省研究生创新与教改项目(09150001)
- DOI：10.13741/j.cnki.11-1879/o4.2021.06.010
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
夏禹, 肖金球, 翁玉尚. 基于改进Faster-RCNN的偏光片表面缺陷检测[J]. 光学技术, 2021,47(6):695-702.

Surface defect detection of polarizer based on improved Faster-RCNN[J]. 2021, 47(6): 695-702.
夏禹, 肖金球, 翁玉尚. 基于改进Faster-RCNN的偏光片表面缺陷检测[J]. 光学技术, 2021,47(6):695-702. DOI： 10.13741/j.cnki.11-1879/o4.2021.06.010.

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

浏览量

1103

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于双通道神经网络的图像脉冲噪声降噪

基于PSO-CNN的土壤氮含量可见/近红外光谱建模