%0 Journal Article %A 关日钊 %A 陈新度 %A 吴 磊 %A 徐焯基 %T 基于改进的R-FCN带纹理透明塑料裂痕检测 %D 2019 %R 10.3778/j.issn.1002-8331.1712-0040 %J 计算机工程与应用 %P 168-172 %V 55 %N 6 %X 为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。 %U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.1712-0040