mask-rcnn表面缺陷检测定位

一、数据集

表面缺陷数据集合来自博客：https://blog.csdn.net/qq_27871973/article/details/84974231

数据集来源：https://hci.iwr.uni-heidelberg.de/node/3616

数据集：class3；

二、训练样本

数据集图片数量：1150张图片

图片大小：512*512

颜色：灰度图

训练样本（有缺陷图片）数量：66张图片

测试样本（有缺陷图片）数量：85张图片

注：由于缺陷样本少，采用旋转、平移等方式改变缺陷位置方向，增加训练样本数量

制作样本方法采用labelme进行标注，标注过程参考上一篇博客：https://blog.csdn.net/weixin_38341864/article/details/88819668

三、测试结果

四、总结

对于某些肉眼很难分辨的缺陷图片，mask-rcnn算法也能很好区分，对于第三幅图片识别出的两个缺陷分别给出准确度，真实缺陷部分准确度为0.990，类似缺陷部分准确度为0.731，可以通过准确度的阈值筛选真实缺陷部分。