sunday算法特征码_最新车身漆面缺陷检测算法及一些缺陷数据集项目介绍

文章发表时间：2020年6月8日

题目：一种改进的MobileNet- SSD算法用于车身漆面缺陷自动检测

文章地址：https://link.springer.com/article/10.1007/s11042-020-09152-6

想下载全文请移步：

如何下载 IEEE 上的文章？​www.zhihu.com

github：代码目前还未开源（开源及时更新）

本文简概：

数据：为了实时采集车身油漆缺陷图像，提出了一种新的数据增强算法，以增强数据库处理小样本数据过拟合现象的能力。

方法：针对汽车涂料固有的缺陷特征，通过改进MobileNet-SSD网络的特征层，优化边界框的匹配策略，提出了一种改进的MobileNet-SSD算法，用于油漆缺陷的自动检测。

结果：改进的MobileNet-SSD算法可以检测出六种传统车身漆膜的缺陷，准确率超过95％，比传统SSD算法快10％，可以实现实时、准确的车身漆面缺陷检测。

一.新的数据增强算法

传统的数据增强：对切割后的图像或者原始图像，进行旋转，缩放，裁剪等方法。

缺点：由于车身漆膜是不透明的混合物，因此车漆图像背景非常复杂，容易干扰了车漆缺陷位置的检测。

新的离线数据集增强算法，可以对原始图像进行变换。从多角度和多层次。它可以增加许多复杂的背景干扰信息，提高检测模型的抗干扰能力，并使应用场景更加实用。

1.1车辆油漆缺陷图像的样本收集

针对质量检验车间与汽车装配线的生产环境相同。上部在LED灯的照度下。在这种工作环境下，手动捕获油漆图像，可以更好地恢复真实的检测效果，提高算法的鲁棒性。共收集500张图像和300个视频。500张图像包括：58个搪瓷袋，204个收缩孔，103个脏颗粒，73个划痕，27个漆渣和35个漆板组成。

500张图像数据

1.2数据增强算法

为了消除数据过拟合，对汽车油漆图像中的缺陷尺