改进Faster R-CNN的微型扁平电机FPC表面焊点缺陷检测

来源：电子测量技术杂志2022年第7期北京时间：

作者：郁岩，齐继阳

单位：1.江苏安全技术职业学院机械工程学院，徐州 江苏 221000;2. 江苏科技大学机械工程学院，镇江 江苏 212100

摘要：目前微型扁平电机制造厂仍采用人工观察法对电机FPC板焊点的焊接质量进行检测，其检测准确率低、速度慢。针对这一问题，提出了一种基于改进Faster R-CNN的缺陷分类检测方法。首先通过多尺度特征融合网络对VGG16的最后两层网络进行融合后，代替原Faster R-CNN中区域候选网络的输入特征图，然后从三个不同深度的多尺度特征融合算法比较改进后网络的准确率、召回率和分数。试验结果表明：改进后的两层多尺度融合特征图代入模型，其缺陷分类检测准确率均值为91.89%，比传统模型增加了7.72%；与其他二种模型相比，改进后的模型分类检测准确率和精度是最高的。

关键词：扁平电机;缺陷分类检测;Faster R-CNN;深度学习;多尺度特征融合