文献类型：期刊文章

作　　者：路浩[1] 陈原[1]

LU Hao;CHEN Yuan(School of Mechanical, Electronic & Information Engineering, Shandong University, Weihai, Shandong 264209, China)

机构地区：[1]山东大学机电与信息工程学院,山东威海264209

出　　处：《纺织学报》

基　　金：国家自然科学基金资助项目(51375264);中央高校基本科研业务费专项资金资助项目(2019ZRJC006);山东省重大创新工程资助项目(2017CXGC0923);山东省重点研发计划资助项目(2018GGX103025);山东省自然科学基金资助项目(ZR2019MEE019)。

年　　份：2020

卷　　号：41

期　　号：4

起止页码：51-57

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对碳纤维预浸料表面缺陷人工检测方法效率低、成本高、实时性差等问题,提出基于机器视觉的碳纤维预浸料表面缺陷自动检测方法。首先,在碳纤维预浸料生产线上,采用2台高分辨率线扫描相机快速连续采集图像,从中随机选择带有缺陷的图像1000张;其次,基于大气光散射模型对图像进行去雾增强处理,以消除白色树脂的干扰;然后,改进具有19个卷积层和5个最大值池化层的YOLOv2目标检测算法,用于缺陷的检测;最后,对预处理后的图像进行网络训练提取图像特征,识别图像目标,并对训练好的网络进行实验验证。结果表明:该方法在复杂的工业环境下,具有较高的识别精度和鲁棒性,识别成功率达到94%以上,且每张图像的检测时间不超过0.1 s,可满足工业生产中精度和实时性要求。

关 键 词：机器视觉 碳纤维预浸料 表面缺陷检测 图像预处理 YOLOv2算法  

分 类 号：TP391] TS103.7[计算机类]