改进的Faster R-CNN算法在数码印花织物缺陷检测中的应用

作者：苏泽斌; 武静威; 李鹏飞

来源：西安工程大学学报, 2022, 36(04): 1-9.

DOI：10.13338/j.issn.1674-649x.2022.04.001

• 数码印花
• 缺陷检测
• 类别样本不均衡
• 自适应类别抑制损失(ACSL)
• Faster R-CNN

针对数码印花织物缺陷检测过程中自建数据集类别样本分布不均衡，导致缺陷检测精度不高的问题，提出一种自适应类别抑制损失(adaptive class suppression loss, ACSL)的Faster R-CNN缺陷检测算法。首先，根据数码印花织物缺陷背景复杂、目标较难检测的特点，构建了基于Faster R-CNN的缺陷检测网络结构；然后，在基础网络中引入ACSL模块，通过调整不同类别位置分类损失的权重系数，维系不同类别位置正激活损失和负激活损失的相对平衡，从而解决样本不平衡对检测精度的影响。结果表明：所提算法在COCO标准上平均检测精度达到了0.60,相比于Faster R-CNN提高了0.02。说明此方法能够有效解决类别样本不均衡的数码印花缺陷检测问题。

• 出版日期2022
• 单位西安工程大学