针对支撑塑料帽这种薄壁、小型零件在汽车后雨刮器齿轮连杆机构自动装配中存在裂纹、破损及漏装等多类型缺陷,导致人工很难在线识别、传统机器视觉辨识度不高的问题,本文在基于YOLO v3网络多目标缺陷检测算法的基础上,采用k-means聚类方法,使用平均重叠度重新选取目标区域候选边界框尺寸加快了目标检测识别速度及精度;同时使用Mish激活函数替换YOLO v3网络普遍采用的Leaky ReLU激活函数,强化了网络学习能力.实验结果表明,相较于传统的YOLO v3算法,本文改进的YOLO v3具有更高的检测精度和检测速度.该在线缺陷检测方法成功应用在实际汽车后雨刮自动装配线中,满足了支撑塑料帽在线缺陷检测的速度和精度要求,有效地提高了汽车后雨刮器齿轮连杆机构总成装配质量.
NETL
NSTL
万方数据
维普
