基于改进Faster R-CNN的航空发动机制件表面缺陷检测算法

来源：机床与液压杂志2022年第23期北京时间：

作者：唐嘉鸿，黄颀，田春岐

单位：中国航发上海商用航空发动机制造有限责任公司；同济大学电子与信息工程学院；同济大学电子与信息工程学院

摘要：针对现有航空发动机制件缺陷检测所存在的检测准确率低、速度慢等问题，提出一种基于改进Faster R-CNN算法的缺陷检测方法。该算法使用深度残差网络提取缺陷特征，采用含有内容感知重组的特征金字塔模型融合各层次特征图，并根据检测框尺度选取相应层次的特征图进行检测和识别，在RCNN部分使用分层采样实现挖掘难例，增强模型对难例样本的学习。实验结果表明:所提算法具有较高的检测准确率，而且能够有效提升检测速度。

关键词：制件缺陷检测;Faster R-CNN算法;内容感知重组;分层采样

基金资助：上海市工业互联网资助项目(2018-GYHLW-02043);上海市人工智能产学研专项资助项目（PKX2020-R13）；上海市信息化发展专项资金项目（201901010）