重庆理工大学学报2023，Vol.37Issue(13) ：169-176.DOI:10.3969/j.issn.1674-8425(z).2023.07.019

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

马婧华 杨迪 汪静姝 张明德
重庆理工大学学报2023，Vol.37Issue(13) ：169-176.DOI:10.3969/j.issn.1674-8425(z).2023.07.019
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

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

马婧华 1杨迪 1汪静姝 1张明德1
扫码查看

作者信息

  • 1. 重庆理工大学机械工程学院,重庆 401320
  • 折叠

摘要

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.

关键词

高反零件/高动态范围成像/表面缺陷识别/改进Debevec算法

Key words

high-reflective parts/high dynamic range imaging/surface defect recognition/improved Debevec algorithm

引用本文复制引用

基金项目

国家自然科学基金(52205144)

重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX1000)

高校创新研究群体项目(CXQT20022)

重庆理工大学研究生教育高质量发展行动计划(gzlcx20223179)

出版年

2023
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
参考文献量6
段落导航相关论文