计算机应用

作者：吴则举, 焦翠娟, 陈亮

单位：青岛理工大学 信息与控制工程学院, 山东 青岛 266520

关键词：Faster R-CNN,轮胎缺陷检测,ZF卷积神经网络,在线难例挖掘

基金：山东省重点研发计划（公益类专项）项目（2018GGX101040）；青岛市源头创新计划应用基础研究项目（18-2-2-62-jch）。

轮胎生产过程中出现的胎侧异物、胎冠异物、气泡、胎冠开根以及胎侧开根等缺陷会影响轮胎出厂后的使用，所以出厂使用前需要对每条轮胎进行无损检测。为了实现在工业中对于轮胎缺陷进行自动检测，提出了一种基于改进Faster R-CNN的轮胎缺陷自动检测方法。首先，在预处理阶段，用直方图均衡化方法对轮胎图象的灰度进行拉伸，提高数据集的对比度，使图像目标和背景的灰度值产生明显差异；其次，为提高轮胎缺陷位置检测和识别的准确率，对Faster R-CNN结构进行改进，即把ZF卷积神经网络中第三层的卷积特征和第五层的卷积特征结合后输出，并将其作为区域建议网络层的输入；然后，在RoI pooling层之后引入在线难例挖掘（OHEM）算法，使轮胎缺陷检测的准确率得到进一步的提高。实验结果表明，改进后的Faster R-CNN的轮胎缺陷检测方法可以准确地分类和定位轮胎X射线图像缺陷，平均测试准确率可以达到95.7％。此外，还可以通过对网络进行微调来获得新的检测模型以检测其他类型的缺陷。

来源：2021年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第7期