计量学报

作者：姚波,温秀兰,焦良葆,王树刚,钱峥,李子康

单位：南京工程学院自动化学院,江苏 南京211167

关键词：计量学;表面缺陷检测;铝型材;深度学习;YOLOv3方法;k-均值聚类

基金：国家自然科学基金(51675259);江苏省智能感知技术与装备工程研究中心开放基金(ITS202103);南京工程学院研究生创新(TB20211604)

针对目前铝型材表面缺陷检测存在的准确率、检测效率较低等问题,提出了一种基于改进的YOLOv3铝型材表面缺陷检测方法。首先通过k-均值聚类算法对采集到的数据集进行聚类分析,选取尺寸最优的目标候选框;考虑到铝型材表面缺陷较大,对YOLOv3的网络层级结构进行调整,并将目标检测层之前的6个CBL单元改成4个,再补充2个残差单元,以提高特征的复用。将提出方法用于铝型材表面缺陷检测,并与经典的卷积网络Faster-RCNN和SSD方法进行比较,实验结果表明,采用提出的算法准确率达到97%,检测速度达到47帧/s,明显优于经典的卷积网络Faster-RCNN和SSD,适于在有高精度快速性要求的铝型材表面缺陷检测中推广应用。

来源：2022年第10期

《计量学报》期刊编辑部

查看计量学报杂志2022年第10期