基于改进深度学习模型的焊缝缺陷检测算法.pdf

第３期 基于改进深度学习模型的焊缝缺陷检测算法 ２０２０年６月 宇航计测技术 Ｊｕｎ，２０２０ 第４０卷　第３期 ＪｏｕｒｎａｌｏｆＡｓｔｒｏｎａｕｔｉｃＭｅｔｒｏｌｏｇｙａｎｄＭｅａｓｕｒｅｍｅｎｔ Ｖｏｌ４０，Ｎｏ３  文章编号：１０００－７２０２（２０２０）０３－００７５－０５ ＤＯＩ：１０．１２０６０／ｊｉｓｓｎ．１０００－７２０２．２０２０．０３．１６ 基于改进深度学习模型的焊缝缺陷检测算法 谷　静　谢泽群　张心雨 （西安邮电大学 电子工程学院，陕西西安７１０１２１） 摘　要　针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进 深度学习ＦａｓｔｅｒＲＣＮＮ模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续 环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模 型锚点的长宽比设置，提高检测能力。实验表明，改进ＦａｓｔｅｒＲＣＮＮ模型取得最优的缺陷检测结果，对于小缺陷目标 仍取得较好的检测精度，从而验证了算法的有效性。 ＋ 关键词　 ＋ ＋ ＋ 焊缝缺陷检测　 快速区域卷积神经网络　 多尺度特征图　 改进区域生成网络 中图分类号： 文件标识码： ＴＰ３９ Ａ ＷｅｌｄＤｅｆｅｃｔＤｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＩｍｐｒｏｖｅｄＤｅｅｐＬｅａｒｎｉｎｇ ＧＵＪｉｎｇ　ＸＩＥＺｅｑｕｎ　ＺＨＡＮＧＸｉｎｙｕ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＸｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉａｎ，７１０１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　ＡｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌＦａｓｔｅｒＲＣＮＮｍｏｄｅｌｉｓｎｏｔｉｄｅａｌｆｏｒｄｅｔｅｃｔｉｎｇｓｍａｌｌｄｅｆｅｃｔ ｔａｒｇｅｔｓｗｈｅｎｐｅｒｆｏｒｍｉｎｇｗｅｌｄｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎ，ａｗｅｌｄｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｄｅｅｐｌｅａｒｎｉｎｇＦａｓｔｅｒ ＲＣＮＮＭｏｄｅｌｉｓｐｒｏｐｏｓｅｄ，ｉｎｗｈｉｃｈ，ｍｕｌｔｉｓｃａｌｅｆｅａｔｕｒｅｍａｐｓａｒｅｅｘｔｒａｃｔｅｄｔｈｒｏｕｇｈｍｕｌｔｉｌａｙｅｒｆｅａｔｕｒｅｎｅｔｗｏｒｋｓａｎｄａｒｅｕｓｅｄ ｉｎｓｕｂｓｅｑｕｅｎｔｐａｒｔｓｏｆｔｈｅｍｏｄｅｌ，ｔｏｍａｋｅｆｕｌｌｕｓｅｏｆｔｈｅｌｏｗｌｅｖｅｌｆｅａｔｕｒｅｓｉｎｔｈｅｍｏｄｅｌａｎｄａｄｄｄｅｔａｉｌｅｄｉｎｆｏｒｍａｔｉｏｎ．Ａｎｄ ｔｈｅｎ，ｔｈｅｒｅｇｉｏｎｐｒｏｐｏｓａｌｎｅｔｗｏｒｋｏｆｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｓｉｓｉｍｐｒｏｖｅｄａｎｄａｖａｒｉｅｔｙｏｆｓｌｉｄｉｎｇｗｉｎｄｏｗｓｉｓａｄｄｅｄ，ｔｈｅｒｅｂｙ ｉｍｐｒｏｖｉｎｇｔｈｅａｓｐｅｃｔｒａｔｉｏｏｆｔｈｅｍｏｄｅｌａｎｃｈｏｒｐｏｉｎｔａｎｄｉｍｐｒｏｖｉｎｇｔｈｅｄｅｔｅｃｔｉｏｎｃａｐａｂｉｌｉｔｙ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅ ｉｍｐｒｏｖｅｄＦａｓｔｅｒＲＣＮＮｍｏｄｅｌａｃｈｉｅｖｅｓｔｈｅｂｅｓｔｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔｓａｎｄａｃｈｉｅｖｅｓｂｅｔｔｅｒｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｆｏｒｓｍａｌｌ ｄｅｆｅｃ