基于改进的Faster R-CNN的古建筑地砖缺陷检测

摘要

缺陷检测对于古建筑的保护和修缮具有重要的意义,传统的地砖缺陷检测通过目视检查,存在受人力影响大、耗时长等限制.基于深度学习的良好应用前景,建立故宫地砖缺陷的数据集,提出改进型Faster R-CNN的网络.首先,构建可变形卷积,通过网络学习并提取地砖中的缺陷特征;然后,将特征图输入区域生成网络中生成候选区域框,将生成的特征图和候选区域框进行池化操作;最后,输出缺陷检测结果.在故宫地砖图片数据集的测试下,改进后的模型平均准确率均值到达92.49％,与Faster R-CNN模型相比提高了2.99％,更适用于地砖缺陷检测.