综上所述,SSD算法[8]及其变体的一阶检测器[9]更省时,在目标检测跟踪方面更具备适用性,但论检测性能而言,二阶检测器(如R-CNN[10-11])及其变体等在公共的评价基准上取得的检测精度更优。因此,本文提出了基于改进Faster RCNN算法的缺陷检测方法,提高了检测精度,并且具有良好的识别速率,适用性更强。 本文详细内容...
通过对图像进行预处理和利用CNN网络进行特征提取,结合Faster R-CNN算法进行目标检测,本算法能够准确地定位和分类PCB板上的缺陷。多尺度的策略使得算法能够适应不同大小的缺陷,并具有较好的识别能力。与传统的方法相比,本算法具有更高的准确性和鲁棒性。未来的研究中,可以进一步改进该算法,提高其在PCB板缺陷识别中的...
首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于 Faster R-CNN 的输电线路缺陷最优识别网络模型。 经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了 90% 以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均...
基于Faster R-CNN算法的变电站设备识别 与缺陷检测技术研究doi:10.19753/j.issnl00l-1390.2024.03.021于虹龚泽威一张海涛周帅于智龙Electrical Measurement & Instrumentation
本发明涉及一种基于改进Faster‑RCNN的电力设备外观缺陷检测方法,包括以下步骤:采集电力设备图像,建立电力设备外观图像库,包括训练集和测试集;构建改进Faster‑RCNN模型,该模型中,利用特征融合技术将不同层卷积神经网络的特征图进行融合,且区域提取网络RPN基于改进锚框进行区域提取;使用训练集训练改进Faster‑RCNN模型...
南京林业大学范佳楠,刘英等采用深度学习算法替代传统的浅层学习算法,提出了一种快速深度神经网络(faster region-based convolutional neural networks, Faster R CNN)的实木板材缺陷识别模型。 02 实木材缺陷检测 本研究利用Chroma+Scan3350激光轮廓和色泽集成扫描仪(图1)采集实木板材的图像,其规格参数见表1。实木板材通...
基于改进Cascade Faster R-CNN的铝型材表面缺陷识别研究
李维刚等人[6]提出一种基于K-means聚类改进的YOLOv3算法对带钢表面缺陷进行检测,较未改进之前在整体上提升检测速度的和缺陷的检测率,但是其使用的K-means对初始设置条件极其敏感,数据量不够时无法保证其结果的有效性。王海云等人[7]提出了一种利用FPN改进Mask R-CNN算法来检测工业表面缺陷,虽然能够准确地定位和识别...
将扩充后的数据集利用Lable Img软件根据图像中的缺陷区域绘制缺陷框,同时生成对应的.xml文件,制作成适合网络训练的数据集.(2)优化Faster RCNN算法并应用于轨道的缺陷识别.主要针对传统Faster RCNN网络对于小尺度缺陷检测困难的问题,利用改进的K-means算法对数据进行聚类分析,得出网络训练所需的最优锚点框;通过对主干...
并采用了Cosine学习率策略避免网络陷入局部最小值.以上改进方法使得评价指标平均准确率(mean average precision,mAP)值从基准模型的78.91%提升至94.05%.最后成功将单个太阳能电池板从无人机拍摄的图像中提取并修正角度,同时利用改进的Faster R-CNN算法进行缺陷识别,结果表明所提方法可以更准确地识别出积灰和鸟粪等缺陷....