文献类型：期刊文章

作　　者：王宸[1,2] 唐禹[1] 张秀峰[1] 刘超[1] 李丁龙[3]

Wang Chen;Tang Yu;Zhang Xiufeng;Liu Chao;Li Dinglong(College of Mechanical Engineering,Hubei University of Automotive Technology,Shiyan 442002,China;Shanghai Key Laboralory of Intelligent Manufacturing and Robotics,Shanghai University,Shanghai 200072,China;Shiyan Branch of Hubei Special Equipment Inspection and Testing Institute,Shiyan 442002,China)

机构地区：[1]湖北汽车工业学院机械工程学院,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 [3]湖北省特种设备检验检测研究院十堰分院,十堰442002

出　　处：《仪器仪表学报》

基　　金：国家科技重大专项(2018ZX04027001);教育部人文社科项目(20YJCZH150);汽车动力传动与电子控制湖北省重点实验室基金(ZDK1201703);湖北汽车工业学院博士基金(BK201905)项目资助。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：89-96

语　　种：中文

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

摘　　要：针对锻件生产企业零件缺陷检测效率低下,检测精度不高的问题,提出一种基于改进EfficientNet模型(EfficientNet-F),对两种锻件的荧光磁粉探伤图像进行检测。构建以EfficientNet为主干特征提取网络的深度学习模型,并引入特征金字塔为特征融合层,进而提高模型的多尺度特征融合能力;引入完备交并比和注意力机制以提高模型鲁棒性和检测效率。同时,搭建荧光磁粉探伤图像采集平台,构建缺陷样本数据集。试验表明,EfficientNet-F的最优模型在测试集上的均值平均精度达到了95.03%。F1得分值为0.96,浮点运算数为1.86 B。相较于其他深度学习模型,该方法提高了检测的精度和效率,可以满足相关生产企业的需求。

关 键 词：磁粉探伤 法兰盘 油缸盖  EfficientNet-F  特征金字塔  

分 类 号：TP391.4] TG164[计算机类]