基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测

摘要

为了提高金属冲压件表面缺陷的检测效率,提出一种基于R-FCN深层卷积神经网络的缺陷自动检测方法。缺陷特征提取部分分别选用ZF、VGG16、ResNet-50、ResNe t-101卷积网络模型进行试验比较,最终选取ResNet-101模型,该模型能更准确地提取常见缺陷的高语义级别特征。改进R-FCN中生成候选区域的anchor box机制,使其能更好地覆盖形态多样化的缺陷。在R-FCN网络模型的训练过程中,通过对金属冲压件表面图像进行预处理,为网络模型提供更好的检测环境。研究结果表明,该方法能准确检测出金属冲压件表面的常见缺陷,对划痕和凹坑类的缺陷具有很好的检测效果。