基于改进Cascade R-CNN的酒液杂质检测算法  

作　　者：郑明钊 赵润程 张高毓 樊旭 司凯 

机构地区：[1]中国移动通信集团设计院有限公司山东分公司

出　　处：《广东通信技术》2025年第1期62-68,共7页Guangdong Communication Technology

摘　　要：瓶装白酒中存在杂质会影响产品质量,目前已有基于机器视觉的杂质检测方法。为提升基于机器视觉的检测方法的精度,提出了一种改进的Cascade R-CNN算法用于自动检测酒液中的杂质。该方法采用Cascade R-CNN的基础架构,通过在骨干网络中引入DCN v2以增强模型捕捉酒液杂质关键特征的能力;应用Libra R-CNN的平衡特征金字塔(BFP)以平衡候选区域的特征质量,为训练提供更提供更丰富的特征表示;使用InstaBoost进行数据增强,通过随机改变小目标实例的位置和大小来增加训练数据的多样性。通过与Faster R-CNN算法的对比实验结果分析,改进后的Cascade R-CNN算法相较于Faster R-CNN算法的AP值(平均精度)有明显的提升;改进后的Cascade R-CNN算法相较于Cascade R-CNN算法BaseLine的AP值有明显提升。因此,该研究提出的改进Cascade R-CNN算法针对酒液杂质的检测精度的提升是有效的。

关 键 词：Cascade R-CNN 小目标检测 DCN v2 BFP InstaBoost 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]