基于卷积神经网络快速区域标定的表面缺陷检测

来源：计算机集成制造系统杂志2019年第8期北京时间：

作者：李宜汀,谢庆生,黄海松,姚立国,魏琴

单位：1.贵州大学现代制造技术教育部重点实验室2.贵州大学贵州省公共大数据重点实验室

摘要：为检测生产线中产品的表面缺陷,提出一种基于卷积神经网络快速区域标定(Faster R-CNN)的缺陷检测方法,用于识别缺陷类型并标记出缺陷位置。预处理阶段提出区域规划方法粗略裁剪出缺陷主体,以避免产生大量冗余窗口,从而提升检测速度和精度。所提算法结合数据扩充方法增加了图像数量,通过划分K折交叉验证数据集改善了算法的鲁棒性;同时,将稀疏滤波思想融入卷积神经网络,提取双重深度特征作为Faster R-CNN的输入,提升了Faster R-CNN位置检测和识别的精度。通过油辣椒灌装生产线的封盖面典型缺陷检测验证了所提方法的可行性。

关键词：表面缺陷检测,卷积神经网络快速区域标定,位置检测,稀疏滤波,生产过程监控

基金资助：国家973计划资助项目(2015CB856001);贵州省科技重大专项计划资助项目(［2017］3004)。