改进Mask R-CNN算法的带钢表面缺陷检测OA北大核心CSCDCSTPCD
Strip Surface Defect Detection Based on Improved Mask R-CNN Algorithm
在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题.在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络(Mask R-CNN)算法,使用k-meansⅡ聚类算法改进区域建议网络(RPN)锚框生成方法;同时调整Mask R-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度.实验在NEU-DET数据集的5种缺陷检测中将原算法的…查看全部>>
翁玉尚;肖金球;夏禹
苏州科技大学 电子与信息工程学院,江苏 苏州 215009苏州市智能测控工程技术研究中心,江苏 苏州 215009苏州科技大学 电子与信息工程学院,江苏 苏州 215009
信息技术与安全科学
深度学习带钢表面缺陷检测锚框聚类算法掩码分支
《计算机工程与应用》 2021 (19)
235-242,8
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)苏州科技大学研究生创新工程基金(SKCK17_025).
评论