基于改进特征金字塔的轮胎X光图像缺陷检测

作     者：吴则举 宋丽君 冀杨 WU Zeju;SONG Lijun;JI Yang

作者机构：青岛理工大学信息与控制工程学院山东青岛266520 

基　　金：山东省重点研发计划(公益类专项)项目(2018GGX101040) 青岛市应用基础研究项目(18-2-2-62-jch) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第3期

页      码：270-279页

摘      要：针对轮胎X光缺陷图像背景纹理复杂、缺陷目标较小的问题,在带有特征金字塔结构的Faster R-CNN网络基础上做出改进,提出一种轮胎缺陷检测网络。针对特征金字塔底层感受野较小的问题,将空洞-深度可分离卷积和多分支结构结合,设计了轻量型的感受野扩增模块。针对特征金字塔顶层特征图分辨率不足的问题,提出一种新型金字塔结构BE-FPN(bottom embedding feature pyramid network),将底层特征图经过感受野扩增模块后与顶层信息快速归一化融合,减少了底层特征传递到顶层特征时过长路径导致的信息损失。此外,在ResNet-50网络引入动态可学习的激活函数Meta-ACON,有效改进了网络检测性能。改进后的网络取得了94.07%的平均精度均值(mAP),与基线网络相比,精度提升4.5个百分点,正判率提高了14.4个百分点,参数量仅增加4.77%,每张图片检测时间仅增加0.009 s。实验结果表明,设计的网络在轮胎X光缺陷检测方面具有优良的性能,能够满足工厂生产线对检测精度和检测时间的要求。

主 题 词：深度学习 缺陷检测 特征融合 Meta-ACON 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2209-0316

馆 藏 号：203125852...