机械设计与制造杂志社

2021, No.362(04) 62-65+69

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进Yolo V3算法在工件缺陷检测中的应用
Research on the Detection of Workpiece Surface Defects Based on Yolo V3

石振华;陈杰;

摘要(Abstract):

为快速、准确地检测工业生产中工件表面产生的缺陷,提出了一种基于Yolo V3的工件表面缺陷检测方法。该方法以DarkNet卷积模型作为特征提取网络,通过引入数据增强方法防止产生过拟合现象,并针对工件表面缺陷形状单一、缺陷尺寸普遍偏小的特点改进了Yolo V3网络的特征融合方式,减少了冗余候选框的数量,提升了算法性能。以环形工件作为检测对象搭建了实验平台。实验结果表明,所提方法能克服人工提取特征的局限性,检测精度和检测速度均满足实际生产要求。

关键词(KeyWords): Yolo V3;表面缺陷;数据增强,特征融合

Abstract:

Keywords:

基金项目(Foundation): 贵州省科技重大专项计划(黔科合重大专项字[2018]3002)

作者(Author): 石振华;陈杰;

Email:

DOI: 10.19356/j.cnki.1001-3997.2021.04.014

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享