橡塑制品表面缺陷图像识别

       根据聚丁二烯基橡塑制品缺陷的工艺和原因不同，分为严重危害缺陷、自然缺陷和加工缺陷其中，严重缺陷和自然缺陷，具有一定的形状和结构特征，如图1所示。一般来说，聚丁二烯基橡塑制品缺陷可分为:气泡、致密性差、腐烂等。实验使用的原始数据集来源于某橡塑制品公司采样所得图像。扫描获取橡塑制品图像时，扫描仪的扫描速度为170一5 000 Hz ; Z方向分辨率为0. 055一0. 200 mm;X方向分辨率为0. 275 5一0. 550 mm;并且彩色像素分辨率可以达到(1 x0.5)mm。该数据集包括5000张橡塑制品的缺陷图。每个图像的位深度为24，大小为100 x 100像素级别。

表面缺陷检测网络模型建立

       利用FasterR一CNN对聚丁二烯橡塑制品表面缺陷进行分类、定位，建立了多尺度缺陷检测网络模型。Faster  R0一CNN系统由特征提取网络(FEN)、区域提议网络(RPN)、感兴趣区域(ROI)以及分类和回归层组成。考虑到橡塑制品表面缺陷的特点，在基本的Faster R一CNN中加人了FPN的特征融合思想以提高缺陷检测性能。

特征提取网络

       特征提取网络是一个大型的区域提议网络，可以从输人的图像中自动提取高级特征。在研究中，可以使用ResNet101来获得高层次和语义强的特征。而ResNet101的基本结构是一个瓶颈，可以有效解决网络模型性能下降的问题，并引导深度学习神经网络模型更深人的检测聚丁二烯基橡塑制品缺陷。瓶颈包含3个卷积层:1 x1,3 x3和1 x1,后面分别是“Relu”激活函数，以及“快捷连接”，即跳过一个或多个层，直接将输人映射到输出，而不增加额外参数。www.sdwyxj.com