一种结合机器视觉的工件喷涂质量检测方法

作者：顾旭; 郭锐锋; 王鸿亮; 张晓星

来源：小型微型计算机系统, 2022, 43(02): 343-348.

DOI：10.20009/j.cnki.21-1106/TP.2021-0901

• 工件喷涂检测
• 深度学习
• YOLOv3
• K-means++
• 计算机视觉

针对大型多面复杂结构件表面打磨、喷涂等处理对自动化、智能化的需求,传统目标检测具有局限性、小目标检测准确度低、速率慢等缺点,本文结合计算机视觉提出一种改进YOLOv3算法的工件喷涂质量检测方法,结合实际工控环境需求,构建喷涂数据集,实现对工件表面迷彩喷涂质量的检测.首先,使用K-means++对Anchor重新聚类生成适合本文的锚框尺寸;通过图像增强技术对数据集进行增强,并对YOLOv3的Darknet-53网络结构进行改进,在保证计算准确度的同时提高效率.实验结果表明,本文提出的改进YOLOv3算法,能够准确快速的对迷彩喷涂缺陷进行定位.

• 单位
  中国科学院沈阳计算技术研究所; 中国科学院大学