基于深度图像的精密零件加工问题研究

作者：李小强

来源：自动化与仪器仪表, 2022, (07): 62-73.

DOI：10.14016/j.cnki.1001-9227.2022.07.062

• 深度图像
• 缺陷检测
• 精密零件加工
• Faster R-CNN

针对精密零件加工中缺陷检测的准确率不高的问题，以发动机球形零件为研究对象，提出一种基于改进的Faster R-CNN算法的零件加工缺陷检测方法。结果表明，优化后的Faster R-CNN算法在缺陷检测准确度和检测效率上都有显著提升，其中基于引导锚框法的Faster R-CNN改进算法将准确度从优化前的60.1%提升到了97.9%,与其他优化方案相比大幅度地提升了检测准确度；而池化层网络结构的优化将原算法4.0/fps的检测速度提升至4.3/fps,最大化地提升了检测效率。通过以上改进方案在实际检测应用表现得出，优化后的Faster R-CNN算法可精准识别零件缺陷，提升精密零件加工缺陷问题的检测准确性和效率。

• 单位
  陕西机电职业技术学院