基于C-CenterNet的卷烟外观缺陷检测方法
计算机视觉与模式识别
2025-02-11 v1
摘要
由于传统方法在自动化卷烟生产线上的卷烟检测任务中适应性较差，难以准确识别卷烟是否存在缺陷及其缺陷类型；因此，提出了一种基于C-CenterNet的卷烟外观缺陷检测方法。该检测器使用关键点估计来定位中心点，并回归所有其他缺陷属性。首先，使用Resnet50作为骨干特征提取网络，并引入卷积块注意力机制（CBAM）以增强网络提取有效特征的能力，减少非目标信息的干扰。同时，使用特征金字塔网络增强各层的特征提取。然后，使用可变形卷积替换部分普通卷积，以增强对不同形状缺陷的学习能力。最后，使用激活函数ACON（ActivateOrNot）替代ReLU激活函数，自适应地选择部分神经元的激活操作，以提高网络的检测精度。实验结果主要通过平均精度均值（mAP）获得。实验结果表明，C-CenterNet模型应用于卷烟外观缺陷检测任务的mAP为95.01%。与原始CenterNet模型相比，该模型的成功率提高了6.14%，因此能够满足自动化卷烟生产线上卷烟检测任务对精度和适应性的要求。
引用
@article{arxiv.2502.06119,
title = {An Appearance Defect Detection Method for Cigarettes Based on C-CenterNet},
author = {Hongyu Liu and Guowu Yuan and Lei Yang and Kunxiao Liu and Hao Zhou},
journal= {arXiv preprint arXiv:2502.06119},
year = {2025}
}
备注
19 pages, 14 figures