孔思曼 周晨陽 王家華 李 林 孫踐知

（北京工商大學(xué)計(jì)算機(jī)學(xué)院，北京 100048）

金屬板材在工業(yè)生產(chǎn)和日常生活中用途廣泛，涉及的應(yīng)用領(lǐng)域較多，包括但不限于建筑、航空航天、機(jī)械、汽車和船舶等領(lǐng)域，是很多產(chǎn)品的基礎(chǔ)材料。但在實(shí)際生產(chǎn)過程中，生產(chǎn)設(shè)備的不同、生產(chǎn)環(huán)境的變化以及其他因素的影響會導(dǎo)致出現(xiàn)各種各樣的表面缺陷，如凹陷、裂紋、氣泡和劃痕等。這些缺陷會降低金屬板材的質(zhì)量和可靠性，甚至對金屬板材的使用造成安全隱患。因此，及時準(zhǔn)確地檢測和識別金屬板材表面缺陷是非常重要的。

傳統(tǒng)的金屬板材表面缺陷檢測方法主要依靠人工檢測[1]或基于一些簡單的圖像處理算法，這些方法存在人工誤差、適用范圍有限、檢測速度和精度低等缺陷。近年來，計(jì)算機(jī)技術(shù)的快速進(jìn)步極大地推動了基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）的目標(biāo)檢測算法的發(fā)展，并帶來了該領(lǐng)域的發(fā)展熱潮。目前出現(xiàn)的目標(biāo)檢測算法主要劃分為兩大類，一類是以SSD[2]、YOLO[3]、Retinanet[4]、CornerNet[5]、CenterNet[6]為代表的單階段算法，另一類是以R-CNN[7]、Fast R-CNN[8]、Faster R-CNN[9]、Mask R-CNN[10]，Cascade R-CNN[11]為代表的兩階段算法。其中，單階段算法中的YOLO 是一種端到端檢測算法，它將候選區(qū)和目標(biāo)分類合二為一，采用一個單獨(dú)的CNN 模型進(jìn)行目標(biāo)檢測，雖然提升了檢測速度，但是檢測的準(zhǔn)確性不是很高；而兩階段算法中的Faster R-CNN 在準(zhǔn)確性方面表現(xiàn)良好，目前已在多個領(lǐng)域廣泛應(yīng)用。祝文韜等[12]對Faster RCNN 算法中的RoI Pooling 方法進(jìn)行了改進(jìn)和優(yōu)化，采用雙線性插值法來解決原先存在的位置失配問題，并在飛機(jī)目標(biāo)檢測場景上取得了顯著成效。杜蕓彥等[13]針對大規(guī)模數(shù)據(jù)獲取難、標(biāo)注難等問題，提出了一種基于Faster R-CNN 的少樣本目標(biāo)檢測算法（CA-FSOD），在目標(biāo)類別僅有少量標(biāo)注樣本的情況下，對目標(biāo)樣本進(jìn)行檢測。Cai J 等[14]開發(fā)了一種基于Faster R-CNN 的創(chuàng)新方法，專門用于在水面環(huán)境中檢測無人船障礙物。此方法在Faster R-CNN中添加了膨脹卷積和群卷積的多尺度特征提取層，并改變了分類算法，提高了模型的魯棒性和準(zhǔn)確性。

考慮到金屬板材應(yīng)用的廣泛性，對精度的要求高，本文提出一種基于優(yōu)化Faster R-CNN 算法的金屬板材表面缺陷檢測方法。從特征提取網(wǎng)絡(luò)和候選框定位兩個方面對模型進(jìn)行優(yōu)化，通過提升模型特征提取能力以及候選框的定位準(zhǔn)確性，實(shí)現(xiàn)金屬板材表面缺陷的高質(zhì)量檢測。

1 Faster R-CNN 算法

2016 年，Ren S 等[9]提出了Faster R-CNN 算法，屬于R-CNN 系列算法的第三代，基本結(jié)構(gòu)如圖1 所示。

圖1 Faster R-CNN 結(jié)構(gòu)圖

Faster R-CNN 檢測部分主要可以分為四個模塊。

（1）特征提取網(wǎng)絡(luò)。采用一組基本的卷積層、激活層和池化層，用于從輸入圖像中提取有用的特征圖。

（2）區(qū)域建議網(wǎng)絡(luò)。通過softmax 對預(yù)設(shè)的anchors 進(jìn)行二分類，然后采用邊框回歸技術(shù)對錨點(diǎn)進(jìn)行微調(diào)，從而得到更加精確的生成區(qū)域。

（3）興趣區(qū)域池化層。將輸入的特征圖和生成的區(qū)域相結(jié)合，然后綜合這些信息提取特定的感興趣特征圖，送入后面全連接網(wǎng)絡(luò)做分類和回歸。

（4）分類和回歸。通過softmax 對圖像進(jìn)行分類，然后使用邊框回歸獲得位置精確的檢測框。

相比于Fast R-CNN，F(xiàn)aster R-CNN 引入了區(qū)域建議網(wǎng)絡(luò)（region proposal network，RPN）用于提取候選區(qū)域，并將其有機(jī)地融入整體網(wǎng)絡(luò)，提高了模型的檢測精度和速度，是兩階段目標(biāo)檢測算法中的典型代表。

2 優(yōu)化Faster R-CNN 模型

在表面缺陷檢測領(lǐng)域，F(xiàn)aster R-CNN 也會出現(xiàn)精度不能滿足實(shí)際生產(chǎn)需求的情況。為了提高檢測精度，本文采用訓(xùn)練效果較好且被廣泛應(yīng)用的殘差網(wǎng)絡(luò)ResNet50[15]作為主干特征提取網(wǎng)絡(luò)，替代模型中原有的VGG16[16]，然后從特征提取網(wǎng)絡(luò)和候選框定位兩個方面對Faster R-CNN 模型進(jìn)行優(yōu)化。優(yōu)化后的Faster R-CNN 網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 優(yōu)化后的Faster R-CNN 網(wǎng)絡(luò)結(jié)構(gòu)圖

2.1 改進(jìn)特征提取網(wǎng)絡(luò)

針對原有Faster R-CNN 模型只采用具有較少信息的頂層特征作預(yù)測，并且常規(guī)矩形結(jié)構(gòu)的卷積核對不規(guī)則形狀缺陷的特征學(xué)習(xí)能力較弱的情況，本文提出在模型特征提取網(wǎng)絡(luò)部分融合特征金字塔網(wǎng)絡(luò)及可變形卷積層來提高網(wǎng)絡(luò)的檢測精度。

2.1.1 Feature Pyramid Network

特征金字塔網(wǎng)絡(luò)（feature pyramid network，F(xiàn)PN）[17]是一種用于對象檢測和語義分割的圖像特征提取方法，包含自底向上的過程、自頂向下和側(cè)向連接的融合過程兩個部分。

在目標(biāo)檢測方法中，較淺層的特征雖然目標(biāo)定位相對精確，但語義信息相對少；而深層的特征雖然目標(biāo)定位相對粗糙，但語義信息相對多。另外，在通過ResNet50 獲取特征后，圖像也將進(jìn)行壓縮，從而導(dǎo)致特征候選框較小，在一定程度上降低了模型對特征的判別功能。為了克服該現(xiàn)象，本文在Faster R-CNN 基礎(chǔ)上融合FPN 對特征進(jìn)行提取，具體結(jié)構(gòu)如圖3 所示。

圖3 ResNet50 與FPN 融合圖

首先通過ResNet50 獲得不同層上的特征圖C1～C5，然后對頂層特征圖進(jìn)行1×1 卷積得到特征圖M5，將卷積后的C4 與采樣后的M5 相加得到M4。以此類推，生成特征圖M3 和M2。M2～M4融合了不同特征層的特征信息，在保留細(xì)節(jié)的同時實(shí)現(xiàn)了高層語義。最后，對M2～M5 進(jìn)行3×3 卷積，以此獲得特征圖P2～P5，并將其輸入到RPN 和Fast R-CNN 網(wǎng)絡(luò)中作為最終的特征提取結(jié)果進(jìn)行訓(xùn)練。整個過程中，F(xiàn)PN 同時利用自底向上、自頂向下、橫向連接的線路，將深層特征和淺層特征進(jìn)行融合，使每層特征都得到較豐富的語義，增強(qiáng)了檢測網(wǎng)絡(luò)對于缺陷的檢測能力。

2.1.2 Deformable ConvNets v2

傳統(tǒng)的卷積核是常規(guī)的矩形形狀，是它根據(jù)事先定義的濾波器大小，在目標(biāo)圖像上按照預(yù)先設(shè)定的矩形網(wǎng)格進(jìn)行卷積操作，其形狀和大小是固定的，無法處理非剛性的目標(biāo)形變和旋轉(zhuǎn)等情況。而可變形卷積網(wǎng)絡(luò)（deformable convolutional networks，DCN）[18]則在傳統(tǒng)卷積基礎(chǔ)上引入了可變形采樣機(jī)制，通過對卷積核中各個采樣點(diǎn)的位置都增加一個偏移變量，使卷積核在一定程度上自適應(yīng)地變形，從而更好地適應(yīng)數(shù)據(jù)集中不規(guī)則的缺陷。

DCN 通過一個并行卷積分支計(jì)算骨干卷積核坐標(biāo)的偏移，其實(shí)現(xiàn)的流程如圖4 所示。通過一個作用在輸入特征圖的卷積操作得到一組卷積核偏移的預(yù)測結(jié)果，這個偏移特征圖的尺寸和輸入特征圖保持相同。偏移特征圖的通道數(shù)為2N，其中2 指每個偏移是(x,y)兩個值，N為卷積核的像素個數(shù)。

圖4 可變形卷積流程圖

在DCN 中，使用?Pn對特征圖上的一點(diǎn)Pn進(jìn)行擴(kuò)充，其中{?Pn|n=1,2,3,···,N}，即圖4 上側(cè)的通過卷積操作預(yù)測的卷積核偏移值。此時可變形卷積的計(jì)算方式：

式中：Pn為整數(shù)，表示卷積輸出的每個點(diǎn)相對于感受野上的每個點(diǎn)的偏移量；?Pn表示每個點(diǎn)所增加的偏移量。這樣，通過對每個采樣點(diǎn)的位置增加偏移量，可變形卷積能夠?qū)崿F(xiàn)卷積核的自適應(yīng)變形，從而更好地適應(yīng)數(shù)據(jù)集中存在的不規(guī)則缺陷。

Deformable ConvNets v2（DCNv2）[19]是基于DCN 模塊改進(jìn)的一個版本，其改進(jìn)點(diǎn)包括增加更多的可變形卷積層、讓模型學(xué)習(xí)采樣點(diǎn)的偏移及每個采樣點(diǎn)的權(quán)重、使用R-CNN 對Faster R-CNN 進(jìn)行知識蒸餾。DCNv2 的提出減少了DCN 中無關(guān)的干擾信息，提高了模型對不同幾何變化的適應(yīng)能力，其表達(dá)式為

在式（1）的基礎(chǔ)上，DCNv2 為每個采樣點(diǎn)添加了一個權(quán)重系數(shù)?mk。其中?Pk和?mk分別為第k個位置的可學(xué)習(xí)偏移和調(diào)制標(biāo)量。調(diào)制標(biāo)量?mk位于范圍[0,1]內(nèi)，而?Pk是范圍不受約束的實(shí)數(shù)。因?yàn)榧尤肓艘粋€新的要學(xué)習(xí)的參數(shù)，所以圖4 的預(yù)測結(jié)果的通道數(shù)變成了3N。

本文所提出的模型將Faster R-CNN 的主干網(wǎng)絡(luò)ResNet50 所生成的Conv3、Conv4 和Conv5 三個卷積塊的普通卷積層替換為DCNv2 模塊，通過增強(qiáng)提取模塊中空間采樣位置的能力來增加網(wǎng)絡(luò)對缺陷形狀的學(xué)習(xí)，便于檢測一些不規(guī)則形狀的缺陷。

2.2 候選框精準(zhǔn)定位

在本文的實(shí)驗(yàn)數(shù)據(jù)集中，F(xiàn)aster R-CNN 算法中原始的anchor 生成方案并不適合，并且經(jīng)過粗修后的RoIs 需要經(jīng)過RoI Pooling 操作，此過程中出現(xiàn)的兩次量化過程會導(dǎo)致候選框在原圖和特征圖之間映射的過程中位置發(fā)生明顯的偏差。針對以上問題，本文選擇采用在torchvision 中提供的MultiScale-RoIAlign 替代RoI Pooling 操作獲取更精準(zhǔn)的定位，同時采用K-means++聚類算法來獲取合適的Anchor比例。

2.2.1 RoI Align

RoI Pooling 是對輸入的特征圖進(jìn)行量化操作，在操作過程中，一般會進(jìn)行兩次量化，一是把侯選區(qū)映射到特征圖中固定網(wǎng)格上，然后通過向下取整的方式將浮點(diǎn)型坐標(biāo)變成矩陣坐標(biāo)值；二是對所獲得的區(qū)域進(jìn)行平均分割時會出現(xiàn)浮點(diǎn)單元坐標(biāo)量化取整的情況。這兩次量化操作會造成信息損失，特別是對于較小的感興趣區(qū)域。

為了解決這個問題，一些研究人員[20-22]采用RoI Align[10]替換已有的RoI Pooling。RoI Pooling 和RoI Align 的過程示意如圖5 所示。

圖5 RoI Pooling 和RoI Align 的過程示意圖

相較于Rol Pooling，Rol Align 取消了量化操作，用雙線性插值的方法將兩次量化的過程轉(zhuǎn)化為一個連續(xù)的操作，可避免位置偏差問題的出現(xiàn)，更好地保留了感興趣區(qū)域的位置信息和特征信息。

本文采用torchvision 中提供的MultiScaleRoIAlign替換原有的RoI Pooling。MultiScaleRoIAlign 可以在多個尺度的特征圖中進(jìn)行RoI Align。具體來說，對于每個感興趣區(qū)域，MultiScaleRoIAlign 會根據(jù)感興趣區(qū)域的大小在多個尺度的特征圖上分別計(jì)算感興趣區(qū)域的坐標(biāo)，然后在每個尺度的特征圖上劃出一個大小與感興趣區(qū)域相適應(yīng)的的區(qū)域，最后對這些區(qū)域進(jìn)行池化操作，從而會得到一個尺寸固定的特征圖。因此，MultiScaleRoIAlign 能夠更好地處理不同大小的感興趣區(qū)域，并且可以從多個尺度的特征圖中獲得更豐富的特征信息。

2.2.2 K-means++

在Faster R-CNN 中，RPN 網(wǎng)絡(luò)的候選框設(shè)定是固定的，包括了預(yù)定義的3 種尺度{322, 642, 1282}和3 種寬高比{1∶2, 1∶1, 2∶1}。然而，這種設(shè)定無法根據(jù)具體圖像中缺陷的大小進(jìn)行自適應(yīng)調(diào)整，導(dǎo)致生成的候選框與缺陷大小相差較大，并且候選框之間的重疊較多。為了解決這個問題，本文采用聚類算法對RPN 網(wǎng)絡(luò)進(jìn)行改進(jìn)，使候選框的選取更適合實(shí)驗(yàn)數(shù)據(jù)。

考慮到K-means 算法[23]聚類中心的個數(shù)需要預(yù)先人工調(diào)試選定，且可能出現(xiàn)局部最優(yōu)解，本文采用改進(jìn)版的K-means++聚類算法[24]進(jìn)行錨點(diǎn)框尺寸優(yōu)化。該算法通過一定的概率分布來初始化聚類中心，有效避免了聚類結(jié)果出現(xiàn)局部最優(yōu)解。Kmeans++算法具體步驟如下：

（1）在數(shù)據(jù)集中隨機(jī)選擇一個樣本作為第一個初始聚類中心。

（2）篩選出其余的聚類中心。首先計(jì)算剩余樣本點(diǎn)與當(dāng)前聚類中心之間的距離，并選擇距離最短的樣本點(diǎn)成為最新的聚類中心；然后按照距離大則被選取概率大的原則，從剩余樣本點(diǎn)中選擇下一個聚類中心；重復(fù)上述步驟，直到選出預(yù)先設(shè)定的k個聚類中心為止。

（3）對k個初始的聚類中心利用K-means 算法進(jìn)行迭代，直到收斂，得到最終的聚類中心。

改進(jìn)后的RPN 網(wǎng)絡(luò)利用Annotations 中的.xml文件，將其中所有類別缺陷對應(yīng)的坐標(biāo)信息提取出來，并計(jì)算前景目標(biāo)的大小。然后，將獲取的所有長寬尺寸組成向量，作為K-means++聚類模型的輸入。為了適應(yīng)數(shù)據(jù)集的實(shí)際情況，設(shè)置合適的聚類中心數(shù)量，并開始執(zhí)行聚類運(yùn)算。本文將聚類中心k設(shè)置為3，NEU-DET 數(shù)據(jù)集[25]聚類后的結(jié)果分布如圖6 所示。根據(jù)聚類結(jié)果設(shè)置合適的候選框規(guī)模，最終的錨大小設(shè)置為{32,64,128,256,512}，縱橫比設(shè)置為{0.5,1.3,3.0}。

圖6 NEU-DET 數(shù)據(jù)集聚類結(jié)果圖

通過K-means++聚類算法設(shè)計(jì)的anchors 生成方案更適用于金屬板材表面缺陷數(shù)據(jù)集，能夠減少背景等無關(guān)信息的干擾，加快缺陷檢測網(wǎng)絡(luò)的收斂，實(shí)現(xiàn)更精準(zhǔn)的缺陷目標(biāo)定位。

3 實(shí)驗(yàn)與分析

本實(shí)驗(yàn)采用ubuntu20.04 操作系統(tǒng)，CPU 為12 vCPU Intel(R)Xeon(R)Platinum 8255C CPU @ 2.50 GHz，GPU 為RTX 3090，Pytorch 版本為1.11.0，Python 版本為3.8，CUDA 版本為11.3。網(wǎng)絡(luò)優(yōu)化器選擇SGD 優(yōu)化器，初始學(xué)習(xí)速率設(shè)置為0.01，動量參數(shù)為0.9，權(quán)重衰減因子為0.000 5，batch size 設(shè)置為8，Epoch 設(shè)置為50 次。

3.1 數(shù)據(jù)集

本實(shí)驗(yàn)選用了來源于東北大學(xué)帶鋼表面缺陷數(shù)據(jù)集中的NEU-DET 部分[25]。數(shù)據(jù)集中包含六類金屬缺陷，如圖7 所示，分別是細(xì)裂紋（crazing），即多道狹長且細(xì)小的黑色裂縫；表面雜質(zhì)（inclusion），即形狀為點(diǎn)狀、塊狀或者線條狀的非金屬夾雜物；斑點(diǎn)（patches），即不規(guī)則或像小島形狀的黑色或者褐色的塊狀物；麻點(diǎn)（pitted_surface），即大面積的凹形黑色小點(diǎn)；軋入氧化皮（rolled_in_scale），即點(diǎn)狀、條狀或魚鱗狀的黑色斑點(diǎn)；劃痕（scratches），即直且細(xì)、深淺不一的溝槽。每類金屬缺陷包含300 張圖片，共1 800 張圖片，每張圖片的原始分辨率為200×200，具體分布情況如圖7 所示。為滿足實(shí)驗(yàn)需求，將數(shù)據(jù)按照8∶2 的比例分別作為訓(xùn)練集和測試集。

圖7 NEU-DET 數(shù)據(jù)集

3.2 模型評估方法

在目標(biāo)檢測中，常用的評價模型泛化能力的檢測指標(biāo)有精確率、召回率、平均精確度（AP）和平均AP 值（mAP）。

式中：C為檢測類別數(shù)；P（Precision）為精確率，R（Recall）為召回率，兩者計(jì)算公式為

式（5）和式（6）中，TP表示成功預(yù)測的正例，F(xiàn)P表示被誤判為正樣本的負(fù)例，F(xiàn)N表示被誤判為負(fù)樣本的正例。而正負(fù)樣本按照IoU的閾值來劃分，當(dāng)IoU>0.7 時為正樣本，否則為負(fù)樣本。

在工業(yè)背景下，目標(biāo)檢測算法中還有一個關(guān)鍵的評價指標(biāo)就是檢測速度，即每秒內(nèi)可以檢測出的幀數(shù)或圖片數(shù)量（frames per second，F(xiàn)PS）。并且，F(xiàn)PS也會受到硬件資源、目標(biāo)數(shù)量和復(fù)雜性等因素影響。

3.3 實(shí)驗(yàn)結(jié)果對比

使用不同的主干網(wǎng)絡(luò)作為Faster R-CNN 的特征提取部分對缺陷檢測精度進(jìn)行研究。具體地，分別采用了VGG16、ResNet18、ResNet50 和MobileNetV2作為主干網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練。通過這樣的實(shí)驗(yàn)設(shè)計(jì)，旨在探究不同的特征提取網(wǎng)絡(luò)對缺陷檢測性能的影響。實(shí)驗(yàn)結(jié)果見表1，可以看出，相比于模型原有的VGG16 網(wǎng)絡(luò)，使用ResNet50 和MobileNetV2 網(wǎng)絡(luò)訓(xùn)練得到的mAP值相對較高。二者雖相差不大，但MobileNetV2 權(quán)重文件偏大，當(dāng)訓(xùn)練次數(shù)過大時對設(shè)備存儲量要求高；并且ResNet50 的特征表示能力和泛化能力較強(qiáng)，可以很容易地應(yīng)對各種復(fù)雜場景，也有較多預(yù)訓(xùn)練的ResNet 模型可供選擇，便于遷移學(xué)習(xí)，從而加速特定任務(wù)的訓(xùn)練。因此，本文選用ResNet50 作為特征提取網(wǎng)絡(luò)。

表1 不同特征提取網(wǎng)絡(luò)的檢測結(jié)果對比

為了評估優(yōu)化后的Faster R-CNN 模型在NEUDET 數(shù)據(jù)集上的缺陷檢測性能，將本文提出的模型與SSD、YOLOv5s 和YOLOv7 幾種經(jīng)典算法進(jìn)行比較，采用mAP和FPS來評估模型檢測性能，實(shí)驗(yàn)結(jié)果見表2，可以發(fā)現(xiàn)本文模型的mAP值高于其他模型。同時，本文模型每秒內(nèi)處理圖片數(shù)量的能力達(dá)到29 幀/s，優(yōu)于原始模型。由于是兩階段檢測算法，在檢測速度上稍有不足，但工業(yè)應(yīng)用場景的高精度需求使得本文模型具有良好的實(shí)用性。

表2 不同模型的檢測結(jié)果對比

同時，為了清晰直觀地觀察改進(jìn)后的Faster RCNN 模型對于金屬板材表面缺陷的檢測性能，分別用改進(jìn)后的最終模型和原始模型對6 類表面缺陷進(jìn)行了檢測。如圖8 所示，繪制出各類別缺陷平均精度折線圖。改進(jìn)后的Faster R-CNN 模型相較于原始模型在6 類表面缺陷上的檢測精度都有不同程度的提高，可見改進(jìn)后的模型具有更好的檢測效果。

圖8 各類別缺陷平均精度折線圖

為進(jìn)一步驗(yàn)證本文對Faster R-CNN 模型改進(jìn)的有效性，在金屬板材表面缺陷數(shù)據(jù)集上進(jìn)行了消融實(shí)驗(yàn)。首先搭建了基于ResNet50 的Faster R-CNN模型，然后在此基礎(chǔ)上，逐步添加FPN、DCNv2、RoI Align、K-means++聚類算法分別進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果見表3，模型改進(jìn)前后loss 值的變化情況如圖9 所示。

表3 消融實(shí)驗(yàn)結(jié)果

圖9 模型改進(jìn)前后loss 值變化情況

由表3 可知，改進(jìn)后的Faster R-CNN 模型的Recall和mAP相較于原始模型均有提升，其中，mAP值提升了7.7%。6 種缺陷類型的AP值分別提升了11%、4.4%、9.7%、9.2%、11.4%、0.7%。同時，改進(jìn)后的模型在訓(xùn)練過程中的loss 值相比原始模型降低了，這是因?yàn)镕PN 能夠同時利用自底向上、自頂向下、橫向連接的線路，使每層特征都得到較豐富的語義，提高了對缺陷特征的學(xué)習(xí)能力；DCNv2 為卷積核中每個采樣點(diǎn)增加偏移變量和權(quán)重，使卷積核自適應(yīng)地變形以適應(yīng)數(shù)據(jù)集中不規(guī)則的缺陷；RoI Align 和K-means++算法通過優(yōu)化錨點(diǎn)生成方案，降低了候選框的定位誤差。最終改進(jìn)的Faster R-CNN 模型與原始模型對金屬板材表面缺陷的檢測效果對比如圖10 所示。

圖10 金屬板材表面缺陷的檢測效果圖

4 結(jié)語

對于工業(yè)生產(chǎn)中常見的金屬板材表面缺陷檢測效果不理想的情況，本文提出了一種基于優(yōu)化Faster R-CNN 算法的金屬板材表面缺陷檢測方法。通過融合特征金字塔形成多尺度的特征融合模型，增強(qiáng)了對金屬板材表面缺陷的檢測能力，尤其是小缺陷的檢測；采用可變形卷積替換主干網(wǎng)絡(luò)的普通卷積層，提高了模型對不規(guī)則缺陷的學(xué)習(xí)能力；采用RoI Align 替代了原有的RoI Pooling，消除實(shí)驗(yàn)中產(chǎn)生的量化誤差；引入K-means++算法得到針對金屬板材表面缺陷數(shù)據(jù)的特定anchors，實(shí)現(xiàn)更精準(zhǔn)的定位。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的Faster R-CNN 模型在金屬板材表面缺陷數(shù)據(jù)集上的mAP值從71%提升到了78.7%，相較于原始網(wǎng)絡(luò)模型及其他目標(biāo)檢測算法，改進(jìn)后的模型檢測效果更佳，為之后的金屬板材表面缺陷檢測提供了可參考價值。