基于改进Yolo v3的电连接器缺陷检测

作者：吴伟浩; 李青^*

来源：传感技术学报, 2020, 33(02): 299-307.

• 缺陷检测
• 电连接器
• 机器视觉
• 深度学习
• Yolo v3

针对电连接器缺陷检测目前存在自动化程度低、检测精度低、检测速度慢以及鲁棒性较差等问题,提出了一种改进的Yolo v3算法来检测电连接器的缺陷。首先采用K-means聚类算法对本文数据集进行聚类分析得到3种宽高比的候选框,针对本文缺陷对象提高检测精度;对主干网络第三个残差块输出的8倍降采样特征图进行4倍上采样,将得到的特征图与第二个残差块输出的2倍降采样特征图进行拼接得到融合特征检测层;将目标检测层之前经过的6个DBL单元改为2个DBL单元加上2个残差单元,以提高特征的复用与获取;另外本文选择单尺度特征图进行目标检测,而不是原网络的多尺度预测,既节省了计算量,又一定程度上避免误检。通过定性与定量的实验结果表明,本文改进后的Yolo v3算法对电连接器缺陷检测有着更好的性能以及速度,准确率为93.5%,相较于Faster R-CNN更加准确,原Yolo v3更加快速,基本上满足了工业现场对电连接器检测的要求。

• 单位
  机电工程学院; 中国计量大学