金属表面缺陷检测的改进YOLOv3算法研究

发布时间：2021-10-25 12:41

　　针对现有的金属表面缺陷检测方法存在着检测效率低、适用范围受限、处理步骤繁琐等缺陷,提出了基于改进型YOLOv3算法的实时缺陷检测方法。该方法将采集到的图片分为N×N个格子,每个格子用来检测缺陷的中心点是否在格子中,利用特征金字塔与残差层融合特征的方式对图片中的缺陷进行定位,得到多个缺陷的边界框,使用非极大抑制的方法筛选出得分最高的边界框。为了提高检测效果,在输入端对图像进行直方图均衡化,并基于缺陷权重优化了算法中的损失函数以提高缺陷分类的准确性。最后,利用改进型YOLOv3算法对钢板表面的压痕与划痕进行了实验检测,结果显示该方法可以快速、准确检测出钢材表面的压痕与划痕,精度分别为92%和90%。 

【文章来源】：机械科学与技术. 2020,39(09)北大核心CSCD

【文章页数】：5 页

【部分图文】：

DarkNet-53结构图

特征金字塔示意图

检测方法的技术路线如图3所示,可以将其分为模型训练部分和缺陷检测部分,在模型训练部分中首先对训练样本进行了数据增强操作,以提高模型的鲁棒性;然后为了提高模型对缺陷种类的分类能力,对其损失函数进行了优化;最后对模型进行训练,得到优化后的检测模型。在缺陷检测部分,首先将生产过程中实时产生的图片作为输入,进行直方图增强操作,从而放大图片中的细节;然后使用优化后的模型进行检测,判断图片中是否含有缺陷,若包含缺陷则输出缺陷位置,并且实时反馈给生产系统。

【参考文献】：
期刊论文
[1]基于YOLO算法的眼底图像视盘定位方法[J]. 蒋芸,彭婷婷,谭宁,侯金泉.  计算机工程与科学. 2019(09)
[2]红外热成像无损检测技术现状及发展[J]. 陈大鹏,毛宏霞,肖志河.  计算机测量与控制. 2016(04)

硕士论文
[1]基于随机森林的激光超声金属表面缺陷识别方法研究[D]. 崔洁.中北大学 2019
[2]基于机器视觉的钢板表面缺陷识别研究[D]. 胡联亭.武汉科技大学 2018



本文编号：3457423