基于Mask R-CNN的复合材料夹杂缺陷自动检测研究OA

为提高复合材料夹杂缺陷的检测效率,本文提出利用深度学习网络设计一种夹杂缺陷自动检测系统。在图像预处理环节采用两级反锐化掩膜算法突出夹杂缺陷特征,构建复合材料夹杂缺陷图像数据库;采用Mask R-CNN网络模型,经过网络模型训练,得到最优权重参数,最终设计实现缺陷检测软件系统。实验结果表明,Mask R-CNN算法网络准确率达94.6%,召回率达92.4%,AP值达87.3%。该系统应用方便快捷,将有效提高一线人员的缺陷检测效率和检测精度。