基于改進(jìn)Mask R-CNN的光學(xué)元件劃痕缺陷檢測(cè)研究

摘要： 光學(xué)元件缺陷會(huì)直接影響整個(gè)光學(xué)系統(tǒng)的性能，在光學(xué)元件缺陷檢測(cè)中，劃痕缺陷無(wú)疑是檢測(cè)的難點(diǎn)，劃痕缺陷存在著尺寸小，長(zhǎng)寬比卻比較大，易受雜質(zhì)影響的問(wèn)題，本文將深度學(xué)習(xí)算法應(yīng)用到光學(xué)元件缺陷檢測(cè)，并根據(jù)劃痕缺陷的特點(diǎn)，對(duì)Mask R-CNN網(wǎng)絡(luò)模型進(jìn)行了改進(jìn)，使算法對(duì)劃痕缺陷也有了更好的檢測(cè)效果。首先，將原有的ResNet更換為本文提出的CSPRepResNet,并添加ESE注意力機(jī)...