改进Faster R-CNN的微型扁平电机FPC表面焊点缺陷检测

作者：郁岩; 齐继阳

来源：电子测量技术, 2022, 45(07): 146-151.

DOI：10.19651/j.cnki.emt.2108302

• 扁平电机
• 缺陷分类检测
• Faster R-CNN
• 深度学习
• 多尺度特征融合

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。

• 出版日期2022
• 单位江苏安全技术职业学院; 江苏科技大学