文献类型：期刊文章

作　　者：王宸[1,2] 张秀峰[1] 刘超[1] 张伟[1] 唐禹[1]

WANG Chen;ZHANG Xiu-feng;LIU Chao;ZHANG Wei;TANG Yu(College of Mechanical Engineering,Hubei University of Automotive Technology,Shiyan,442002,China;Shanghai Key Laboratory of Intelligent Manufacturing and Robotics,Shanghai University,Shanghai 200072,China)

机构地区：[1]湖北汽车工业学院机械工程学院,湖北十堰442002 [2]上海大学上海市智能制造与机器人重点实验室,上海200072

出　　处：《光学精密工程》

基　　金：国家自然科学基金(No.51475150);国家科技重大专项(No.2018ZX04027001);教育部人文社科项目(No.20YJCZH150);湖北省自然科学基金项目(No.2020CFB755);汽车动力传动与电子控制湖北省重点实验室基金(No.ZDK1201703);湖北汽车工业学院博士基金(No.BK201905)。

年　　份：2021

卷　　号：29

期　　号：8

起止页码：1942-1954

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测。首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增强方法扩充数据集。接着,为了提高算法检测精度,使用Mish激活函数替换YOLOv3主干网络中的激活函数。修改算法的损失函数,使用完备交并比(Complete Intersection over Union,CIoU)的计算方法提升算法检测的定位精度。最后使用训练集训练算法模型,再使用验证集和测试集图像数据进行检测试验,结果表明,YOLOv3-MC的最优模型在验证集上的平均准确率(Mean Average Precision,mAP)达到了98.94%,F1得分值为0.99,平均交并比(Average Intersection over Union,AvgIoU)为80.92%,检测速度为76.59帧/秒,模型大小234MB。该模型在测试集上的检测正确率达到了99.29%。相较于传统机器视觉检测方法,该方法提高了检测精度,满足轮毂生产企业的焊缝实时在线检测需求。

关 键 词：焊缝缺陷检测  YOLOv3-MC  Mish激活函数  损失函数

分 类 号：TG441.7] TP391.4]