根据焊缝缺陷相关研究,采用基于Vgg16骨干网络的fasterrcnn深度学习模型。网络模型 Faster R-CNN主要由特征提取部分、RPN部分、RoI Pooling部分和分类回归部分四个部分构成。特征提取部分把焊缝缺陷图像输入到VGG16卷积神经网络中,通过卷积、池化等操作,从中提取出特征图,该特征图可共享用于后续的RPN部分和RoI Pooling部分;在RPN部分直接用RPN生成了检测框,大大提升了检测框生成速度,输出多个候选区域,RPN部分的Proposal Layer利用RPN获得的多个候选区域的大致位置继续训练,获得焊缝缺陷更准确的位置信息;ROI Pooling部分利用前面获取到的焊缝缺陷精确的位置,从特征图中抠出要用于分类的目标;分类回归网络部分主要是输出候选区域所属的类,达到分类的效果,并且可以对候选区域在图像中的精确位置进行检测。