基于改进Faster R-CNN的轴承表面缺陷检测

摘要

针对轴承表面缺陷小、几何形状多变以及低对比度的特点，提出了一种改进的Faster R-CNN算法，对轴承表面缺陷进行检测。首先，以ResNet-50结合特征金字塔网络对轴承表面缺陷进行特征提取；其次，在改进的特征提取网络中引入可变形卷积，通过卷积学习偏移量自适应调整感受野，提高了缺陷的提取能力；最后，针对ROI Pooling因二次量化而导致的区域不匹配问题，采用基于双线插值的ROI Align改进ROI Pooling。实验结果表明，在采集的轴承表面缺陷数据集上，改进的Faster R-CNN平均精度均值为97.6%,与改进前相比，提高了11.76%,可以实现对轴承表面各类缺陷更为准确的检测，具有较强的实用性。