基于深度学习算法的Mask R-CNN网络专门针对齿轮的微小视觉缺陷进行了优化。经过比较，使用ResNet-101残差神经网络作为图像共享特征进行网络提取。随后，去除特征金字塔网络中特征提取过程\({P}_{5}\)的不合理卷积，提高缺陷检测率指标。最后，根据电容样本中微小物体的尺寸调整锚框和标签框的大小，并设置合适的纵横比，以实现网络在候选区域的有效训练。实验表明，优化后的Mask R-CNN网络可以达到98%以上的缺陷检测率。

"点击查看英文标题和摘要"