基于改进特征金字塔的轮胎X光图像缺陷检测

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：吴则举, 宋丽君, 冀杨

单位：青岛理工大学 信息与控制工程学院，山东 青岛 266520

摘要：针对轮胎X光缺陷图像背景纹理复杂、缺陷目标较小的问题，在带有特征金字塔结构的Faster R-CNN网络基础上做出改进，提出一种轮胎缺陷检测网络。针对特征金字塔底层感受野较小的问题，将空洞-深度可分离卷积和多分支结构结合，设计了轻量型的感受野扩增模块。针对特征金字塔顶层特征图分辨率不足的问题，提出一种新型金字塔结构BE-FPN（bottom embedding feature pyramid network），将底层特征图经过感受野扩增模块后与顶层信息快速归一化融合，减少了底层特征传递到顶层特征时过长路径导致的信息损失。此外，在ResNet-50网络引入动态可学习的激活函数Meta-ACON,有效改进了网络检测性能。改进后的网络取得了94.07%的平均精度均值（mAP），与基线网络相比，精度提升4.5个百分点，正判率提高了14.4个百分点，参数量仅增加4.77%，每张图片检测时间仅增加0.009?s。实验结果表明，设计的网络在轮胎X光缺陷检测方面具有优良的性能，能够满足工厂生产线对检测精度和检测时间的要求。

关键词：深度学习,缺陷检测,特征融合,Meta-ACON