基于改进Mask R-CNN的金属板材表面缺陷检测

摘要

为了解决金属板材缺陷检测精度低等问题,以MobileNet作为主干特征网络,搭建Mask R-CNN实例分割模型,并基于SeNet、CBAM、ECA注意力机制对网络模型进行优化。针对缺陷面积大、危害较为严重的金属板材表面缺陷,首先采用Mask R-CNN实例分割,然后在主干特征层分别添加了SeNet、CBAM、ECA等3类注意力机制。优化后的Mask R-CNN损失值下降更快、检测精度更高、缺陷区域分割效果更加稳定。