基于改进Mask R-CNN算法的孔探缺陷自动检测研究

摘要

针对发动机孔探缺陷自动识别存在识别缺陷类型单一、小目标缺陷识别效果较差的问题,将深度残差网络引入到发动机孔探检测中,提出一种改进Mask R-CNN算法的发动机孔探缺陷检测算法。通过引入SENet模块及改进传统的NMS算法,有效提高了模型对四种缺陷的检测精度;同时提出keras自定义优化器,加快模型的收敛速度。在孔探缺陷数据集上对改进模型进行评估,测试结果表明,改进的Mask R-CNN算法对四种缺陷类型的检测正确率均高达90%以上,对于小目标缺陷的识别效果有了明显提高,性能优于原始模型。