基于改进Faster RCNN的射线图像焊缝 缺陷检测方法

来源：电子测量技术杂志2023年第22期北京时间：

作者：罗仁泽，唐祥，余泓，李华督

单位：1.西南石油大学计算机科学学院 成都 610500; 2.西南石油大学电气信息学院 成都 610500

摘要：针对X射线图像中小目标缺陷检测和多尺寸缺陷检测的问题，提出一种基于改进Faster RCNN的焊缝缺陷检测算法。首先，该算法采用ResNet50、特征金字塔网络作为Faster RCNN检测网络的主干网络，达到在多个特征图上检测不同尺寸缺陷的目的；然后在主干网络前增加背景减去网络层，来降低图像背景对小目标缺陷的干扰；接着利用三支路区域推荐网络层细化原始区域推荐网络层中候选框的预测任务，从而减少候选框数量、优化检测速度；最后对网络中卷积层的数量进行微调，增强网络特征提取能力。实验结果表明，改进网络的均值平均精度和每张图像检测速度分别为83.09%、20.8 ms，相比改进前的网络，预设的锚框增加了10 779个，检测速度仅仅降低了3.1 ms，均值平均精度提高了19.43%。改进网络在保证检测速度的基础上，有效提高了对小目标缺陷和多尺寸缺陷的检测效果。

关键词：焊缝缺陷;深度学习;目标检测;Faster RCNN

基金资助：四川省科技计划项目(2019CXRC0027)资助