基于机器视觉的钢材表面缺陷检测OA
Machine Vision-based Inspection of Steel Surface Defects
针对传统缺陷检测方法普遍存在检测精度低的问题,以Faster R-CNN算法为基本检测算法,通过融合其主干网络VGG-16网络Block3与Block5的特征,并以两个IoU阈值分别为0.5和0.6的级联R-CNN网络作为检测网络,提出一种基于机器视觉的钢材表面缺陷检测方法.仿真结果表明,所提方法通过融合Block3与Block5特征融合,减少了结构信息的丢失;通过级联两个不同IoU阈值的R-CNN网络,实现了对区域建议框的更准确分类与定位,提高…查看全部>>
陆家林;程颖;冯赛;李明哲;张宁华;孙家宇
天津科技大学机械工程学院,天津 300457天津科技大学机械工程学院,天津 300457天津科技大学机械工程学院,天津 300457天津科技大学机械工程学院,天津 300457天津科技大学机械工程学院,天津 300457天津科技大学机械工程学院,天津 300457
信息技术与安全科学
机器视觉钢材表面缺陷缺陷检测Faster R-CNN算法
《机电工程技术》 2022 (7)
159-163,5
评论