典型文献
基于深度学习的车载导航导光板表面缺陷检测研究
文献摘要：
针对车载导航导光板表面缺陷像素值分布不均且普遍较小、背景复杂多变等特点,提出了基于改进掩膜区域卷积神经网络(Mask Region-based Convolutional Neural Network,Mask R-CNN)模型检测车载导航导光板表面缺陷的检测方法.首先,引入PinFPN模块改进原有Mask R-CNN的特征融合网络,充分利用高低语义信息构成各级语义、位置信息兼备的共享特征层,提升整体网络的检测精度;其次,通过引入跳层连接结构和SE(Sequence and Excitation)模块对网络的分割分支进行改进,改善了传统Mask R-CNN网络语义信息获取不充分的问题;最后,通过在自建的车载导航导光板数据集上的一系列实验对比,证明了本方法在检测精度和分割上的优势,在自建数据集上的检测准确率达到了95.3％,满足工业检测的要求.
文献关键词：
缺陷检测;深度学习;Mask R-CNN;多尺度融合;SE模块
中图分类号：
作者姓名：
王昊;李俊峰
作者机构：
浙江理工大学机械与自动控制学院,浙江 杭州 310018
文献出处：
引用格式：
[1]王昊;李俊峰-.基于深度学习的车载导航导光板表面缺陷检测研究)[J].软件工程,2022(03):34-38,16
A类：
PinFPN
B类：
车载导航,导光板,表面缺陷检测,像素,值分布,掩膜区域卷积神经网络,Mask,Region,Convolutional,Neural,Network,模型检测,检测车,特征融合网络,低语,语义信息,位置信息,兼备,共享特征,检测精度,跳层连接,连接结构,SE,Sequence,Excitation,信息获取,系列实验,实验对比,割上,自建数据集,检测准确率,工业检测,多尺度融合
AB值：
0.37852
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。
