文献类型：期刊文章

作　　者：石振华[1] 陈杰[1]

SHI Zhen-hua;CHEN Jie(Department of Information Engineering,People’s Armed Forces College,Guizhou University,Guizhou Guiyang550025,China)

机构地区：[1]贵州大学人民武装学院信息工程系,贵州贵阳550025

出　　处：《机械设计与制造》

基　　金：贵州省科技重大专项计划(黔科合重大专项字[2018]3002)。

年　　份：2021

期　　号：4

起止页码：62-65

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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：Yolo V3  表面缺陷  数据增强,特征融合  

分 类 号：TH16] TP391]