0 引言

    在金屬板材生產(chǎn)過程中，由于加工技術(shù)、溫度控制、雜物摻入^[1]等影響，金屬面板表面會(huì)產(chǎn)生各種缺陷，如劃痕、凸粉等。其不僅影響產(chǎn)品的美觀和舒適度，而且會(huì)在使用過程中留下潛在隱患。因此，表面缺陷檢測環(huán)節(jié)對(duì)于保障產(chǎn)品的質(zhì)量非常重要。

    人們在缺陷領(lǐng)域的探索分為基于傳統(tǒng)目標(biāo)檢測^[2]和基于深度學(xué)習(xí)^[3]的方法。周神特等人^[4]利用SIFT算子提取缺陷特征向量后提出了一種BP算法級(jí)聯(lián)SVM結(jié)合的分類器檢測方法來檢測金屬板材表面缺陷，該方法對(duì)缺陷特征要求辨識(shí)度高，對(duì)于與背景相似的缺陷無法得到有效處理。李蘭等人^[5]提出一種基于空洞卷積融合的SSD工件表面缺陷檢測方法，有效地對(duì)工件表面的剝落、碎屑、梨溝缺陷進(jìn)行識(shí)別，但是其缺陷樣本是利用電子顯微鏡獲取，對(duì)缺陷樣本的分辨率要求很高。李維剛等人^[6]提出一種基于K-means聚類改進(jìn)的YOLOv3算法對(duì)帶鋼表面缺陷進(jìn)行檢測，較未改進(jìn)之前在整體上提升檢測速度的和缺陷的檢測率，但是其使用的K-means對(duì)初始設(shè)置條件極其敏感，數(shù)據(jù)量不夠時(shí)無法保證其結(jié)果的有效性。王海云等人^[7]提出了一種利用FPN改進(jìn)Mask R-CNN算法來檢測工業(yè)表面缺陷，雖然能夠準(zhǔn)確地定位和識(shí)別缺陷，但是其利用多尺度特征映射融合的方法增加了網(wǎng)絡(luò)復(fù)雜度，導(dǎo)致其訓(xùn)練速度慢，識(shí)別耗時(shí)長。綜上所述，SSD算法^[8]及其變體的一階檢測器^[9]更省時(shí)，在目標(biāo)檢測跟蹤方面更具備適用性，但論檢測性能而言，二階檢測器(如R-CNN^[10-11])及其變體等在公共的評(píng)價(jià)基準(zhǔn)上取得的檢測精度更優(yōu)。因此，本文提出了基于改進(jìn)Faster RCNN算法的缺陷檢測方法，提高了檢測精度，并且具有良好的識(shí)別速率，適用性更強(qiáng)。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.xxav2194.com/resource/share/2000003924。

作者信息：

陳婉琴1，唐清善1，黃  濤2

(1.長沙理工大學(xué) 物理與電子科學(xué)學(xué)院，湖南 長沙410000；2.中國人民解放軍第3303工廠，湖北 武漢430200)