| 摘要: |
| 针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足，且处理缺陷种类单一的问题，提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先，为了提高缺陷检测的可视化效果和检测准确度，在实例分割卷积网络Mask R-CNN的基础上，结合级联神经网络Cascade R-CNN结构，组合成了新的级联实例分割Cascade Mask R-CNN网络;其次，对组合而成的级联卷积神经网络进行了训练，将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%，平均置信度达到了97.3%，达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。 |
|
(1.Shanghai Satellite Equipment Research Institute， Shanghai 200240， China;2.Key Laboratory of Optoelectronic Technology and Systems of Ministry of Education， Chongqing University， Chongqing 400030， China)
|
