基于改进YOLOv3的纽扣电池表面缺陷检测

作者：李冬伟; 丁力; 梁栋

来源：机械制造与自动化, 2022, 51(05): 177-202.

DOI：10.19344/j.cnki.issn1671-5276.2022.05.044

• 纽扣电池
• 缺陷检测
• YOLOv3
• K-means++
• 网络结构优化

针对目前纽扣电池表面缺陷检测易受外部因素干扰致使缺陷识别率低、速度慢的问题，提出一种改进YOLOv3的纽扣电池表面缺陷检测方法。通过图像采集系统和HALCON软件完成图像预处理；预处理数据集，对图像批量进行数据增强和标注；加入K-means++聚类算法，建立优化后的YOLOv3网络结构，输入数据集进行训练，输出检测模型；以数据验证集作为测试对象，分别对聚类算法和综合性能进行对比实验。结果表明：所提方法聚类准确度为91.54%,相比于K-means聚类算法提高了6.37%;表面缺陷平均检测准确率为95.28%,优于SSD、Faster R-CNN和原始YOLOv3等方法。该方法能够克服环境背景和主观因素对纽扣电池表面缺陷检测的影响，具有一定的工程参考价值。

• 单位
  江苏理工学院