改进Faster R-CNN模型的汽车喷油器阀座瑕疵检测算法

作者：朱宗洪; 李春贵^*; 李炜; 黄伟坚

来源：广西科技大学学报, 2020, 31(01): 1-10.

DOI：10.16375/j.cnki.cn45-1395/t.2020.01.001

• 汽车喷油器阀座
• 瑕疵识别
• Faster R-CNN
• 深度学习

为完成喷油器阀座常见的瑕疵识别,对深度检测模型进行研究,提出基于Faster R-CNN模型的喷油器阀座瑕疵识别改进方法 .首先,对常规生产下的喷油器阀座瑕疵图像进行采集、处理,构造出相关数据集;其次,在Faster R-CNN模型上对候选框和特征网络进行改进,获得比原有模型更高的精确度.实验结果表明:改进的Faster R-CNN模型在喷油器阀座瑕疵识别中精确度得到加强,识别精确度可达71.79%,相比原有模型精确度提升了近3.9%.说明该深度学习方法能够有效实现喷油器阀座瑕疵的识别,为后续自动一体化检测研究提供了基础.

• 出版日期2020
• 单位广西科技大学