| 基于YOLO深度学习模型的铝型材表面缺陷识别方法 |
| |
| 引用本文： | 吴晓成,梁丹,梁冬泰,李平.基于YOLO深度学习模型的铝型材表面缺陷识别方法[J].机械设计与研究,2021,37(2):34-39. |
| |
| 作者姓名： | 吴晓成 梁丹 梁冬泰 李平 |
| |
| 作者单位： | 宁波大学 机械工程与力学学院,浙江宁波 315211 |
| |
| 摘 要： | 针对铝型材表面缺陷快速准确检测的需求,提出一种基于YOLO深度学习模型的铝型材表面缺陷识别方法.对铝型材数据集进行图像增广,解决原始数据集中图像数量少且缺陷数据不均衡问题.建立基于YOLO的铝型材表面缺陷识别模型,通过增加模型预测尺度,提高对微小缺陷的识别能力.对铝型材缺陷数据集的目标框重新进行聚类分析,改进YOLO算法的模型参数.通过多尺度训练方法,增强模型对不同尺度缺陷的适应性和识别精度.实验结果表明,本文方法识别效果较改进前有较明显提升,准确率均值MAP从95.66％提升至97.46％,单幅图像平均识别时间约45 ms,可有效实现铝型材表面缺陷的快速与准确识别.
|
| 关 键 词： | 机器视觉 铝型材 缺陷识别 深度学习 |
Surface Defect Identification Method of Aluminum Profiles Based on YOLO Deep Learning Model |
| |
| WU Xiaocheng,LIANG Dan,LIANG Dongtai,LI Ping.Surface Defect Identification Method of Aluminum Profiles Based on YOLO Deep Learning Model[J].Machine Design and Research,2021,37(2):34-39. |
| |
| Authors: | WU Xiaocheng LIANG Dan LIANG Dongtai LI Ping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
