分析faster R-CNN在工業(yè)CT圖像缺陷檢測(cè)中的應(yīng)用

薛帥

摘要：本文將通過(guò)對(duì)現(xiàn)階段工業(yè)CT圖像存在的測(cè)量方法和成像方面的問(wèn)題以及檢測(cè)技術(shù)方面的缺陷進(jìn)行詳細(xì)分析，結(jié)合faster R-CNN測(cè)量方法，闡述如何在現(xiàn)階段工業(yè)CT圖像中通過(guò)熟知faster R-CNN主要計(jì)算原理、了解faster R-CNN檢測(cè)難點(diǎn)以及模型訓(xùn)練相結(jié)合的方式，靈活使用faster R-CNN。

關(guān)鍵詞：faster R-CNN;工業(yè)CT;圖像缺陷;檢測(cè)應(yīng)用

前言：

現(xiàn)階段的工業(yè)CT圖像是通過(guò)計(jì)算機(jī)掃描所成像的，雖然可以在對(duì)檢測(cè)物體無(wú)損傷的情況下進(jìn)行，但是還是存在一定的局限性。而相對(duì)于faster R-CNN而言，它是一個(gè)比較成功的目標(biāo)檢測(cè)算法，將兩者相結(jié)合使用將會(huì)大大提升工作效率，完善工業(yè)CT呈現(xiàn)技術(shù)。

1現(xiàn)階段工業(yè)CT圖像存在的缺陷

1.1測(cè)量方法及成像方面

對(duì)于工業(yè)CT而言可以分為表面檢測(cè)方法和內(nèi)部檢測(cè)的方法，而這其中又呈現(xiàn)出許多不同種類的測(cè)量及成像方式，但是也存在一定的局限性[1]。例如：超聲檢測(cè)（UT），雖然設(shè)備相對(duì)輕便，操作的安全度比較大也易于實(shí)現(xiàn)自動(dòng)化的檢測(cè)，但是不適合檢測(cè)形狀復(fù)雜的工件，易受雜亂反射波的影響。超聲波衍射時(shí)差法（TOFD），雖然檢測(cè)的敏感度比較高，能達(dá)到實(shí)時(shí)成像的效果，但是對(duì)缺陷處的走向不敏感，近表面存在一定的盲區(qū)。而像射線檢測(cè)（RT）雖然成本較低，圖像在成像的質(zhì)量方面也比較高，但是對(duì)于膠片的成像以及存儲(chǔ)的環(huán)境要求比較高，并且成像的時(shí)間也比較長(zhǎng)。計(jì)算機(jī)X線照相（CR）雖然是數(shù)字化的圖像，易于儲(chǔ)存，IP板的可重復(fù)利用率也比較高，但是他的空間分辨率較低，因此在工作效率上就大打折扣。

1.2檢測(cè)技術(shù)方面

工業(yè)CT常見(jiàn)的掃描分類有X射線斷層掃描（XCT）、康普頓散射斷層掃描（CST）、繆斯堡爾效應(yīng)斷層掃描（MCT）等。而涉及到的系統(tǒng)也較多，常見(jiàn)的有射線源、輻射探測(cè)器、樣品掃描系統(tǒng)以及計(jì)算機(jī)系統(tǒng)（硬件和軟件）等。相對(duì)于射線源種類的檢測(cè)，X射線的能譜比較多色性，而這種連續(xù)能譜的X射線會(huì)造成能譜的硬化從而產(chǎn)生偽像情況的發(fā)生，會(huì)影響對(duì)圖像的判斷。而射線本身的能量又比較小，能夠檢測(cè)的物品也非常具有局限性。輻射探測(cè)器中的氣體探測(cè)器的效率較低、應(yīng)用存在一定的局限性。面探測(cè)器也同樣存在效率過(guò)低，無(wú)法限制散射以及竄擾，高范圍應(yīng)用的效果比較差的問(wèn)題。

2如何開(kāi)展faster R-CNN在工業(yè)CT圖像中的實(shí)際應(yīng)用

2.1熟知faster R-CNN主要計(jì)算原理

faster R-CNN可以說(shuō)是非常成功的將深度運(yùn)用到目標(biāo)檢測(cè)的一種計(jì)算方式。它有區(qū)別于傳統(tǒng)的工業(yè)CT圖像的檢測(cè)。它可以逐一考察檢測(cè)目標(biāo)的所有可能性，對(duì)所檢測(cè)的目標(biāo)出現(xiàn)的所有可能性區(qū)域進(jìn)行提取，并通過(guò)圖像識(shí)別的方式來(lái)進(jìn)行分類，最終成功分類的區(qū)域?qū)⑼ㄟ^(guò)非極大值抑制的方式取得結(jié)果，而這種非最大值抑制的結(jié)果體現(xiàn)形式可以將邊緣細(xì)化，也應(yīng)用于減薄邊緣當(dāng)中。然后得出相關(guān)結(jié)論，并且這樣得出的結(jié)論是成功的、可靠的。而這也是一種依靠計(jì)算機(jī)高速運(yùn)算和精準(zhǔn)度比較高的計(jì)算方式，延續(xù)了窮舉法的特性。目前很多的工業(yè)材料存在著材質(zhì)缺陷問(wèn)題，導(dǎo)致只能靠人工檢測(cè)，而局限性較大。而faster R-CNN在進(jìn)行提取特征這一步時(shí)有區(qū)別于傳統(tǒng)的尺度不變特征變換和方向梯度直方圖特征的圖像處理方法，轉(zhuǎn)換成了深度卷積網(wǎng)絡(luò)提取的特征。這樣也比傳統(tǒng)的工業(yè)目標(biāo)檢測(cè)要更精細(xì)、準(zhǔn)確。faster R-CNN在計(jì)算時(shí)，首先要輸入需要檢測(cè)的圖像，然后faster R-CNN再將整張的圖像輸入到卷積精神網(wǎng)絡(luò)當(dāng)中進(jìn)行區(qū)域特征的提取，在通過(guò)風(fēng)險(xiǎn)順序數(shù)生成建議窗口（proposals），每張圖片都生成大約300個(gè)建議窗口，此過(guò)程也有助于衡量圖像工藝方面的缺陷，以便于采取相關(guān)預(yù)防措施減少工藝變化，使后續(xù)工藝更加可靠。

2.2了解faster R-CNN檢測(cè)難點(diǎn)

在目標(biāo)檢測(cè)的歷史中RCNN將深度學(xué)習(xí)和檢測(cè)目標(biāo)結(jié)合在了一起，而從RCNN到FAST-RCNN再到faster R-CNN，存在著緊密的聯(lián)系，也是一種不斷進(jìn)化的關(guān)系。所以這三種目標(biāo)檢測(cè)計(jì)算方式，都要了解其檢測(cè)的難點(diǎn)及缺陷在哪里。以便日后在工業(yè)CT圖像缺陷檢測(cè)中的應(yīng)用。RCNN作為基礎(chǔ)，它的訓(xùn)練分為多個(gè)階段，步驟相對(duì)復(fù)雜繁瑣，訓(xùn)練的耗時(shí)也比較大，并且占用的磁盤(pán)空間也不少，5000張的圖像就可以生成幾百G的特征文件，這樣的話速度就會(huì)比較慢。而它的測(cè)試速度也比較慢，每一個(gè)候選的區(qū)域需要運(yùn)行整個(gè)前向卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算。支持向量機(jī)和回歸是事后的操作，在支持向量機(jī)和回歸中卷積神經(jīng)網(wǎng)絡(luò)的特征沒(méi)有被學(xué)習(xí)更新。而FAST-RCNN相比R-CNN在最后一層的卷積層后加了一個(gè)ROI pooling layer，其中損失函數(shù)使用了了多任務(wù)損失函數(shù)，將邊框的回歸直接加入到了卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的訓(xùn)練當(dāng)中。而大大改善了R-CNN的速度的問(wèn)題，faster R-CNN又在FAST-RCNN的基礎(chǔ)上將原來(lái)的Selective Search方法產(chǎn)生建議窗口替換成了Region Proposal Network，將原來(lái)的建議框數(shù)目從2000個(gè)改為300個(gè)。而其主要的檢測(cè)難點(diǎn)就變成自然場(chǎng)景文本的檢測(cè)，例如：自然場(chǎng)景中的背景光線、噪聲等都會(huì)給檢測(cè)造成難點(diǎn)，所以在靈活運(yùn)用faster R-CNN的同時(shí)，要深度學(xué)習(xí)文本檢測(cè)算法。

結(jié)語(yǔ)：總之，工業(yè)CT這種工業(yè)中常用的核成像技術(shù)存在普遍性，而faster R-CNN對(duì)于工業(yè)CT的圖像運(yùn)用幫助極大，只有不斷學(xué)習(xí)，保持與時(shí)俱進(jìn)的觀念才能夠不斷優(yōu)化工業(yè)CT圖像技術(shù)。也希望工業(yè)CT圖像得到faster R-CNN的幫助，系統(tǒng)將更加走向成熟。

參考文獻(xiàn)：

[1]譚川東，何泳江，羅雪清，等.基于鄰層數(shù)據(jù)匹配的工業(yè)CT圖像生成G代碼方法[J].儀器儀表學(xué)報(bào)，2021，42（4）：265-274.

[2]齊子誠(chéng)，倪培君，張維國(guó)，等.工業(yè)CT檢測(cè)中小缺陷定量方法[J].科學(xué)技術(shù)與工程，2021，21（3）：958-964.