10.3969/j.issn.1000-1158.2023.09.09
基于YOLOv3-spp的汽车轮毂表面缺陷检测算法研究与分析
针对传统人工检测方法效率低且准确率不高等问题,提出一种基于YOLOv3-spp网络的自动缺陷检测方法.首先通过图像切片提取缺陷区域,然后将提取的缺陷图片经过数据增强后组成数据集并以此训练YOLOv3-spp网络,接着对比分析了不同深度学习网络及数据集筛选方法对轮毂表面缺陷的检测效果.实验结果表明:在工业现场采集的数据集上,训练好的YOLOv3-spp神经网络可以准确地定位,并识别出点状、线性、油泥油漆、针孔4类缺陷,其平均准确率分别为84.5％、93.4％、95.4％和89.5％,检测速度达到35 ms/幅,满足检测的实时性要求,且检测准确率优于Faster R-CNN和SSD两种常用神经网络.
计量学、表面缺陷检测、汽车轮毂、机器视觉、深度学习、YOLOv3-spp、平均准确率
44
TB96(计量学)
国家自然科学基金;河北省自然科学基金;省级重点实验室绩效补助经费
2023-10-20（万方平台首次上网日期，不代表论文的发表时间）
共8页
1375-1382
