基于改进Faster-RCNN的烟标缺陷检测

针对品检机上的烟标缺陷检测算法进行改进,根据烟标缺陷检测固有特性,融合目标检测算法,提高烟标缺陷检测精度,实现传统烟标缺陷检测算法不能实现的实时缺陷分类。用改进后的Faster-RCNN代替传统的模版匹配,对CCD线阵相机采集到的4K烟标图像进行烟标缺陷检测,通过加入特征图金字塔网络FPN,烟标缺陷检测准确率上升1.4%。在FPN中使用内卷卷积,对比不同大小内卷卷积核的烟标缺陷检测精度发现,使用5×5的内卷卷积核的烟标缺陷检测精度提升最大,达1%,且使用内卷卷积模型的单张烟标检测时间未增加。最后通过迁移学习使烟标缺陷检测精度进一步提升,达97.9%。结果表明,所提算法能够实现烟标缺陷检测定位和分类,且具有较高准确率。