改进HTC算法的电脑背板表面缺陷检测

针对电脑背板表面缺陷过小,以及缺陷形状具有极端长宽比,导致自动化质检平台检测精度不佳的问题,提出一种改进HTC(Hybrid Task Cascade for Instance Segmentation)算法的电脑背板表面缺陷检测算法。在数据预处理阶段采用聚类裁剪的方式增加小目标缺陷图片的占比;随后通过Copy-Pasted方式增加样本数较少类别的样本,进而均衡每个类别数据的分布;在HTC的特征提取网络中加入可变形卷积以增加网络的感受野,从而缓解极端长宽比缺陷难以检测的问题。最后,在质检现场采集的电脑背板表面缺陷数据集上评估所提出算法的性能,并和基线算法HTC进行对比分析。结果表明,改进的算法对小目标缺陷,以及极端长宽比缺陷,具有更佳的检测效果,并且对各类缺陷均能实现准确检测分割,回归框平均精度(boxAP)达到85.0%,掩膜平均精度(mask AP)达到83.6%,在智能制造自动化生产方面有着更好的应用价值。