改进Faster R-CNN模型在金属表面划痕检测中的应用
霍春宝1
王童丽1
佟智波2
1.辽宁工业大学 电气工程学院,辽宁 锦州 1210012.锦州市两锦电力勘测设计有限公司,辽宁 锦州 121001
摘要：针对现有技术在金属表面划痕检测中的局限性,提出了一种基于Faster R-CNN的改进两阶段算法模型.该模型在Faster R-CNN框架中引入特征金字塔结构,以增强多尺度特征提取能力;然后通过加入频率加权噪声机制优化特征金字塔,进一步提升特征表征能力;最后为应对划痕形态的不规则性,引入可变形卷积模块,显著提高了模型对多样化划痕特征的检测性能.实验采用相同数据集进行训练,通过对比改进前后模型的精确率、准确率和召回率等关键指标,实验结果表明,改进后的 Faster R-CNN在检测效率和精度上均有显著提升,其中均值平均精度(mAP)达到93.1%,充分验证了该模型的有效性和实用性,对于解决当前金属表面划痕检测的局限性提供了最佳的解决方案.
关键词：深度学习可变形卷积特征金字塔两阶段算法
分类号：C934.1(决策学)
资助基金：辽宁省教育厅高校基本科研项目(JYTMS20230836)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 71-80 )
英文信息