首页|基于YOLOV4的工件表面质量在线检测方法研究

基于YOLOV4的工件表面质量在线检测方法研究

On-line Detection Method of Workpiece Surface Quality Based on YOLOV4

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 提升自动化产线上工件表面微小缺陷的检测精度和检测速度.方法 首先,在预处理阶段提出采用CutMix的数据增强方法,增加训练样本的多样性,提高模型的鲁棒性和泛化能力,避免训练模型产生过拟合;使用K–means++聚类算法生成边界候选框,以适应不同尺寸的缺陷,并较早地筛选出更精细的特征.其次,借助CSP Darknet53网络及SPP模块提取输入原始图像的特征,通过训练获得针对工件表面质量的在线检测模型,提升YOLOV4缺陷位置检测及识别的精度.结果 实验结果表明,文中所提出的基于YOLOV4的工件表面质量在线监测方法的预测精度达到97.5％,检测速度达到32.8帧/s,均优于同类的深度学习算法.以贵州某航空工业产品的自动化产线作为实验平台验证了所提方法的可行性和有效性.结论 该方法具备结构简单清晰、自适应性强等优点,检测精度和速度均满足工业场景需求,可以将其用于产品表面质量的在线检测.

陈启鹏、熊巧巧、黄海松、袁庆霓、李宜汀

展开 >

贵阳学院 机械工程学院,贵阳 550005

贵州大学 现代制造技术教育部重点实验室,贵阳 550025

贵州大学 机械工程学院,贵阳 550025

贵州交通职业技术学院 机械电子工程系,贵阳 551400

马来西亚博特拉大学 工程学院,沙登 43400

贵州财经大学 大数据统计学院,贵阳 550025

展开 >

表面质量 YOLOV4 数据增强 聚类算法 特征提取 在线检测

国家重点研发计划国家自然科学基金贵州省科技重大专项现代制造技术教育部重点实验室开放基金贵阳学院博士科研启动经费项目

2018YFB100430551865004黔科合重大专项[2017]3004黔教合KY字[2022]377号GYU–KY–2023

2023

10.19554/j.cnki.1001-3563.2023.03.018

包装工程
中国兵器工业第五九研究所

包装工程

北大核心
影响因子：1.097
ISSN：1001-3563
年,卷(期)：2023.44(3)
  • 1
  • 16