《表2 不同卷积网络模型的检测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为提高缺陷检测的精度，分别采用不同的卷积神经网络提取缺陷图像的特征图，分别使用ZF、VGG16、R es Net-50、R es Net-101中的5组卷积神经网络来提取冲压件金属表面的特征图，同时保持网络中其他部分一致，比较不同的卷积神经网络提取缺陷图像的特征图对训练缺陷模型的影响。比较缺陷模型在测试集上检测划痕、凹坑、锈点的精度（Average Precision，AP)，AP的计算方法为模型检测出每种缺陷中正确的缺陷个数与缺陷总数的比值，通过该计算方法得到划痕、凹坑和锈点的AP值，进而可计算平均精度（Mean Average Precision，MAP）如表2所示，MAP是衡量算法精确度的指标。