文献类型：期刊文章

作　　者：张广世[1] 葛广英[1] 朱荣华[1] 孙群[2]

Zhang Guangshi;Ge Guangying;Zhu Ronghua;Sun Qun(College of Physics and Information Engineering,Liaocheng University,Liaocheng,Shandong 252059,China;College of Mechanical and Automotive Engineering,Liaocheng University,Liaocheng,Shandong 252059,China)

机构地区：[1]聊城大学物理科学与信息工程学院,山东聊城252059 [2]聊城大学机械与汽车工程学院,山东聊城252059

出　　处：《激光与光电子学进展》

基　　金：中央引导地方科技发展专项资金。

年　　份：2020

卷　　号：57

期　　号：12

起止页码：145-153

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为解决工业制造中齿轮缺陷检测难的问题,提出一种基于改进的YOLOv3网络的缺陷检测方法.首先构建齿轮缺陷图像数据集,包括图像采集与扩充和缺陷标注;其次采用密集连接网络(DenseNet)结构代替原有的网络结构,提高特征提取能力;最后增加网络预测尺度,提高对于小尺寸缺陷的检测能力.利用齿轮缺陷图像对该方法进行验证,发现所提方法的平均精确率均值比YOLOv3网络提高了3.87%,对齿轮缺失部分的精确率提高了5.7%.与YOLOv3网络相比,所提方法在齿轮缺陷检测上有一定的先进性和有效性.

关 键 词：图像处理 缺陷检测  特征提取 预测尺度  平均精确率  

分 类 号：TN919.8]