基于改进Faster RCNN的化纤丝缺陷检测

作者：郭磊; 王洋; 靳正轩; 陈朝新; 陈江义; 沈鹏^*

来源：毛纺科技, 2023, 51(03): 74-79.

DOI：10.19333/j.mfkj.20220803606

• 化纤丝
• 缺陷检测
• Faster RCNN
• 可变形卷积
• 特征金字塔
• Rank&Sort Loss

为提高化纤丝生产加工中出现的断线和疵点类缺陷的检测精度，对Faster RCNN算法进行改进。首先，在主干特征提取网络上加入可变形卷积模型，以提高网络对不同缺陷特征的适应性；其次，采用递归特征金字塔(Recursive Feature Pyramid, RFP)结构替换原特征金字塔网络(Feature Pyramid Network, FPN),进行二次特征提取；最后，改进损失函数，采用Rank&Sort Loss(RS Loss)函数替代原分类损失函数，解决化纤丝2类缺陷样本量相差较大问题。对比实验后得出，改进后的方法训练得到的mAP值为84.7%,较初始模型提高了4.3%,可以满足实际生产加工中对化纤丝缺陷的智能检测要求。

• 出版日期2023
• 单位郑州大学