改进Faster-R-CNN的输送带表面损伤检测
作者机构：太原科技大学车辆与交通工程学院
出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)
年 卷 期：2024年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金(52075356) 山西省科技成果转化引导专项(202204021301060)
主 题：输送带 损伤检测 Faster-R-CNN MobileNet
摘 要：针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题，提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上，首选MobileNet网络进行图像轻量化特征提取，然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类，以加强输送带的损伤特征信息；最后构建输送带表面损伤的数据集进行数据试验，并分别采用VGG-19，ResNet-18骨干网络进行试验对比，结果表明改进的Faster-R-CNN的算法，针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。
同方期刊数据库