来源：期刊VIP网 时间：
作者：冷岳峰;刘正;徐宝祎;李志轩;
单位：辽宁工程技术大学机械与工程学院;
摘要：钢材表面缺陷检测是工业生产中至关重要的一项检测工作，针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题，提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特征融合模块与轻量化通道注意力模块，增加模型对精细特征的捕捉能力。改进模型在NEU-DET数据集上的实验结果显示，最终mAP(Mean average precision,记为m_(AP))值为80.2%,比原始模型提高了12.6%,FPS提高了40.9%。该算法能够有效提升钢材表面缺陷的检测精度，为钢材表面缺陷自动检测提供参考。
关键词：缺陷检测;;特征融合;;通道注意力机制;;改进Faster R-CNN算法
基金资助：辽宁省教育厅理工类项目(22-1142)
