论文部分内容阅读
自动化检测玻璃瓶缺陷技术的实现,能够减少人力物力的需求量,提高玻璃瓶缺陷检测结果的准确性以及可靠性。将深度学习网络应用到玻璃瓶缺陷检测技术上,分别使用VGG16和Resnet101作为缺陷检测模型中Faster R-CNN的特征提取网络,在不同的锚框的尺度下对缺陷检测效果进行分析。实验结果表明,Faster R-CNN在本实验的玻璃瓶缺陷数据集上检测准确率尚可,但对于小目标缺陷检测效果不理想;改进后的Faster R-CNN在玻璃瓶缺陷检测上mAP最高提升了5.19%,同时在检测小目标缺陷时的鲁棒性更强。