首页|改进Debevec-YOLOv5的高反金属表面缺陷识别方法研究

改进Debevec-YOLOv5的高反金属表面缺陷识别方法研究

Research on improved Debevec-YOLOv5 for surface defect detection methods of high-reflective metals

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
高反零件具有极强的反光性,对此类零件利用机器视觉识别时,所采图像存在高亮干扰因素,无法对零件表面缺陷进行正常检测识别.基于高动态范围成像技术提出一种改进Debevec算法与YOLOv5 相结合的表面缺陷识别方法,对Debevec算法的相机响应曲线算法与图像合成算法利用粒子群算法进行改进,并利用YOLOv5 对合成后的图像进行缺陷识别.对合成图像进行信息熵等客观评价指标计算,结果表明改进算法对反光件的图像合成质量优于De-bevec算法与Mertens算法,由改进算法合成图像输入YOLOv5 进行识别的错检率与漏检率低于Debevec算法与Mertens算法,具有实用价值.

high-reflective partshigh dynamic range imagingsurface defect recognitionimproved Debevec algorithm

马婧华、杨迪、汪静姝、张明德

展开 >

重庆理工大学机械工程学院,重庆 401320

高反零件 高动态范围成像 表面缺陷识别 改进Debevec算法

国家自然科学基金重庆市自然科学基金面上项目高校创新研究群体项目重庆理工大学研究生教育高质量发展行动计划

52205144CSTB2022NSCQ-MSX1000CXQT20022gzlcx20223179

2023

10.3969/j.issn.1674-8425(z).2023.07.019

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(13)
  • 6