摘要
针对传统的图像处理方法对于机械零件检测存在的检测时间长、准确率低等难点,提出一种基于EfficientDet的汽车ECU分类检测方法,将经过预处理和数据增强的ECU外壳图片样本输入神经网络训练,利用一种改进的新型的加权双向特征提取网络BiFPN和一种复合尺度扩张方法进行特征提取并匹配特征图,提高检测的准确率,利用预训练模型进行迁移学习缩减训练时长,实现ECU外壳的自动检测。将检测结果与Faster R-CNN、Mask R-CNN、EfficientDet-D0模型检测结果相比较,实验结果表明,基于EfficientDet的机械零件检测算法的识别率高于对比的其他网络模型,mAP达92.4%,在实际应用中更能够精确地检测ECU零件,满足实验与生产线检测需求。
-
单位中国计量大学; 杭州沃镭智能科技股份有限公司