基于深度学习的齿轮视觉微小缺陷检测

【文件属性】：
文件名称：基于深度学习的齿轮视觉微小缺陷检测
文件大小：1.39MB
文件格式：PDF
更新时间：2021-05-06 12:19:08
深度学习 微小缺陷 齿轮 残差神经网络 特征金字塔网络 针对齿轮视觉微小缺陷，采用一种基于深度学习算法的Mask R-CNN网络进行检测，并对网络进行相应地优化调整.首先，通过比较5种残差神经网络检测效果，选择resnet-101作为图像共享特征提取网络.然后，剔除特征金子塔网络中对特征图P5进行的不合理的3×3卷积，缺齿检出率指标相应得到提升.最后，为了对候选区域网络进行有效的训练，根据设计的样本标注方案中小范围波动的标注尺寸，设置合适的anchors大小以及宽高比.最终，经过优化的Mask R-CNN网络达到了98.2%缺齿检出率.