基于改进Faster R-CNN的隐形眼镜表面缺陷检测算法 |
| |
引用本文: | 王昊,查涛,乜灵梅,张军,唐钰喜,赵友全.基于改进Faster R-CNN的隐形眼镜表面缺陷检测算法[J].激光与光电子学进展,2023(20):141-147. |
| |
作者姓名: | 王昊 查涛 乜灵梅 张军 唐钰喜 赵友全 |
| |
作者单位: | 1. 天津大学精密仪器与光电子工程学院;2. 甘肃康视达科技集团有限公司 |
| |
基金项目: | 国家自然科学基金(42177439);;天津大学自主创新基金(2022XJS-0118); |
| |
摘 要: | 针对传统图像处理算法在检测隐形眼镜表面缺陷时存在精度低、耗时长、算法鲁棒性差、漏检多等问题,提出一种基于改进Faster R-CNN的隐形眼镜表面缺陷检测算法。首先,对比了3种特征提取网络的性能,选取ResNet50作为骨干网络;然后,引入特征金字塔网络(FPN),通过融合多层次的特征信息,提高Faster R-CNN的多尺度检测能力;最后,基于构建的隐形眼镜表面缺陷数据集,使用K-means++算法改进锚框的尺度和数量。实验结果表明:改进后的Faster RCNN算法在测试集上的平均精度均值(mAP)达到了86.95%,相比于改进前的Faster R-CNN算法,提高了9.45个百分点,可以有效地检测出气泡、车削亮点、划痕、模具亮点等多种隐形眼镜典型缺陷。
|
关 键 词: | 智能检测 表面缺陷 Faster R-CNN 特征金字塔网络 聚类标注 |
|