基于改进的Cascade RCNN铸管字符检测算法
来源：计算机集成制造系统杂志2024年第11期北京时间：
作者：王宇, 徐福丽, 王怀震, 崔勇, 姜岩, 陶晔, 王译笙, 张琦
单位：1.中国科学院网络化控制系统重点实验室2.中国科学院沈阳自动化研究所3.中国科学院机器人与智能制造创新研究院4.沈阳工业大学软件学院5.上海波士内智能科技有限公司6.沈阳中科博微科技股份有限公司
摘要：由于工业现场采集的铸管字符图像存在背景模糊、字符区域占比小、刻字位置不固定、油漆遮挡等问题,导致现有模型的检测精度难以满足工业现场的需求。针对上述问题,提出改进的Cascade RCNN铸管字符检测算法。首先对特征金字塔进行改进,提出融合小目标增强的特征金字塔(STE-FPN),利用多尺度特征融合的特征增强能力丰富铸管小目标字符的特征信息。其次引入自矫正/池化的ResNeSt(SCP-ResNeSt)作为特征提取网络,利用自矫正卷积和池化操作以提升背景复杂的铸管字符特征提取效率。最后对级联结构进行改进,引进Mask分支结构,可以自适应地检测字符区域并去除干扰区域,优化了检测结果。将改进后的算法在铸管数据集上进行测试,其平均检测精度mAP为99.1%,比原Cascade RCNN算法提高了2.3%,得到的精度表明改进后的性能优于原算法。
关键词：铸管字符检测,背景模糊,Cascade RCNN,ResNeSt
基金资助：国家重点研发计划资助项目(2020YFA0711304)。
