来源：期刊VIP网 时间：
作者：卢勇拾;张滢雪;司占军;于彦辉;王庆;
单位：天津科技大学人工智能学院;
摘要：钢铁是我国工业生产的重要原材料之一，其表面质量问题会直接影响产品的使用，从而带来无法预知的风险，故对钢铁表面进行缺陷检测具有重要意义。而在缺陷检测过程中，存在因裂痕缺陷特征不明显，导致缺陷定位不准确以及检测难度高等问题。针对以上问题，本研究提出一种改进的Faster RCNN算法，在主干特征提取网络上引入自适应模块，增强网络提取有效特征的能力，同时使用DBSCAN聚类算法取得合适的先验框，大大提高了算法的检测效率。实验结果表明，改进的Faster RCNN算法模型对不明显的缺陷特征检测能力大幅度的提升，相比其他检测算法，在钢板表面缺陷检测中能达到高质量、缺陷定位准确、分类成功率高的效果。
关键词：Faster RCNN;;DBSACN聚类;;目标检测;;锚框
