基于改进级联R-CNN的面料疵点检测方法

来源：现代纺织技术杂志2022年第2期北京时间：

作者：许胜宝, 郑飂默, 袁德成

单位：1.沈阳化工大学,a.计算机科学与技术学院;b.信息工程学院,沈阳 1101422.中国科学院沈阳计算技术研究所,沈阳 1101683.沈阳中科数控技术股份有限公司,沈阳 110168

摘要：由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。结果表明:对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57%,平均精确度均值提升了6.45%,可以更好地满足面料疵点的检测需求。

关键词：级联R-CNN,面料疵点,检测,可变形卷积v2,在线难例挖掘,完全交并比损失

基金资助：国家重点研发计划“智能机器人专项”项目(2018YFB1308803)