典型文献
改进Faster R-CNN的微型扁平电机FPC表面焊点缺陷检测
文献摘要：
目前微型扁平电机制造厂仍采用人工观察法对电机FPC板焊点的焊接质量进行检测,其检测准确率低、速度慢.针对这一问题,提出了一种基于改进Faster R-CNN的缺陷分类检测方法.首先通过多尺度特征融合网络对VGG16的最后两层网络进行融合后,代替原Faster R-CNN中区域候选网络的输入特征图,然后从3个不同深度的多尺度特征融合算法比较改进后网络的准确率、召回率和分数.试验结果表明,改进后的两层多尺度融合特征图代入模型,其缺陷分类检测准确率均值为91.89％,比传统模型增加了 7.72％;与其他两种模型相比,改进后的模型分类检测准确率和精度是最高的.
文献关键词：
扁平电机;缺陷分类检测;Faster R-CNN;深度学习;多尺度特征融合
中图分类号：
作者姓名：
郁岩;齐继阳
作者机构：
江苏安全技术职业学院机械工程学院 徐州221011;江苏科技大学机械工程学院 镇江212100
文献出处：
引用格式：
[1]郁岩;齐继阳-.改进Faster R-CNN的微型扁平电机FPC表面焊点缺陷检测)[J].电子测量技术,2022(07):146-151
A类：
扁平电机,缺陷分类检测
B类：
Faster,FPC,焊点缺陷,缺陷检测,电机制造,制造厂,观察法,焊接质量,检测准确率,速度慢,多尺度特征融合,特征融合网络,VGG16,两层,中区,区域候选网络,输入特征,特征图,不同深度,融合算法,算法比较,召回率,多尺度融合,融合特征,代入,传统模型,模型分类
AB值：
0.29656
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
