融合改进Padim建模和ResNet网络的喷涂质量检测算法

为了满足喷涂机器人对于喷涂质量检测的需求,采用迁移学习对改进Padim建模和ResNet网络进行融合,构建自主喷涂机器人喷涂质量检测一体化模型。该模型提取一次图像特征可同时用于缺陷定位和分类。在缺陷定位端,通过改进Padim模型以减少特征冗余所造成网络的计算消耗,首先将ResNet-18网络获取的patch嵌入向量语义层由原先前3层改为单2层,然后特征表达由100维降维至20维,最后训练正样本得到正态分布模型与测试图像进行缺陷定位。在缺陷分类端,对预训练ResNet-18网络进行负样本二次训练,得到ResNet-18分类模型对测试图像进行缺陷分类。经过实验,将一体化模型移植在jetson nano移动端中,参数量仅为11.69 M,定位精度94.5%,分类准确率高达99.6%,在机器人位移速度0.02 m/s下检测时间为0.730 s,不会出现缺帧漏检情况,满足实时检测的要求。