金属表面缺陷检测的改进YOLOv3算法研究

针对现有的金属表面缺陷检测方法存在着检测效率低、适用范围受限、处理步骤繁琐等缺陷,提出了基于改进型YOLOv3算法的实时缺陷检测方法。该方法将采集到的图片分为N×N个格子,每个格子用来检测缺陷的中心点是否在格子中,利用特征金字塔与残差层融合特征的方式对图片中的缺陷进行定位,得到多个缺陷的边界框,使用非极大抑制的方法筛选出得分最高的边界框。为了提高检测效果,在输入端对图像进行直方图均衡化,并基于缺陷权重优化了算法中的损失函数以提高缺陷分类的准确性。最后,利用改进型YOLOv3算法对钢板表面的压痕与划痕进行了实验检测,结果显示该方法可以快速、准确检测出钢材表面的压痕与划痕,精度分别为92%和90%。     

基于改进 YOLOv4 算法的 PCB 缺陷检测研究

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。     

改进YOLOv3的轮毂焊缝缺陷检测

为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测.首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增强方法扩充数据集.接着,为了提高算法检测精度,使用Mi...     

基于改进的YOLOv3的托盘检测方法研究

针对仓储环境下叉车机器人托盘识别的应用场景,以及提高托盘目标检测的准确性和鲁棒性,提出了一种基于YOLOv3算法改进后的物体识别方法.运用K-Means++聚类方法重新聚类出更适合托盘检测的Anchor Box,通过分析托盘成像在图像坐标系中横轴和纵轴的密度分布,继而调整了划分网格机制,改进损失函数.并在运用数据增强手...     

基于改进YOLOv3的前车检测算法的研究

近年来,计算机的算力越来越高,高性能辅助驾驶系统层出不穷。辅助驾驶主要包含感知、决策、控制三个部分。感知系统是整个辅助驾驶系统的“窗户”,因此感知的好坏直接影响到辅助驾驶的性能。在目标检测领域,深度学习得到越来越广泛的应用。深度学习的诞生伴随着更优化的算法、更高性能的计算能力、更大数据集的时代背景,以后的应用会深入到方方面面。本文基于YOLOv3算法,对算法的网络主体以及检测部分做改进和调优,引入SE注意力机制和DropBlock以获得对前车目标更高的检测精度。     

基于轻量化YOLOv4的轮毂内部缺陷检测算法

为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用深度可分离卷积模块对YOLOv4的PANet(path aggregation network)模块中的传统卷积进行了替换。同时,在PANet特征加强网络中加入通道注意力机制(SE)模块,提高了轮毂内部缺陷目标的识别精度。测试结果表明,所提算法检测精度为90.23%,权值文件为45.2 MB,检测速率为68.38帧/s。相较于常规模型性能有所提升,更适用于轮毂内部缺陷的快速、准确检测。     

基于YOLOv5s的铝型材表观缺陷检测方法

目前,在铝制品的加工生产过程中,缺陷检测环节仍以人眼观测为主,这种传统方式存在检测精度差和检测效率低等缺陷,为此,提出基于YOLOv5s的铝型材表观缺陷检测方法。针对具有9种缺陷的铝型材图像,使用labelimg进行标注,构建了铝型材数据集。基于该数据集,以YOLOv5s、YOLOv5m、YOLOv5l在COCO数据集上训练好的权值作为初始权值,对该3种模型进一步迭代训练,并将最优权重进行测试。对比3种模型的实验结果,决定采用YOLOv5s作为铝型材表观缺陷检测的模型,其测试精确度P、召回率R、均值平均精度mAP分别达到了0.684、0.742、0.692。并基于该模型,采用PyQt5开发了铝型材表观缺陷检测系统,其检测速率可达98Fps左右,可以很好地满足实时性要求,从而为铝型材表观缺陷检测提供了有效的参考方案。     

基于改进YOLOv5的酒瓶缺陷检测方法研究

由于酒瓶产品缺陷多样以及产品缺陷较小,使用了YOLOv5作为基础框架来设计算法。对YOLOv5进行了深入研究,发现虽然空间池化金字塔（Spatial Pyramid Pooling,SPP）在多尺度检测中优化了计算量和减少了数据量。但是,在某些情况下,空间金字塔池化会出现信息丢失的问题,影响了检测精度。为此,提出一种将空间池化金字塔改进为空洞空间池化金字塔（Atrous Spatial Pyramid Pooling,ASPP）。ASPP可以对不同尺度的特征图进行并行池化,从而综合多尺度特征信息,获得更全面、更准确的特征表示。将SPP算法改进为ASPP算法后,在酒瓶缺陷数据集上进行了实验。实验结果证明改进后的YOLOv5算法在酒瓶缺陷检测精度上提升4%,mAP@0.5提升了2%,mAP@0.5:0.95提升了1.5%。     

基于改进YOLOv4的柱形锂电池缺陷检测研究

为了实现柱形锂电池缺陷检测的实时性与高精度,提出一种基于改进YOLOv4的柱形锂电池表面缺陷检测算法。将主干网络由CSPDarkNet53替换为轻量化网络Mobile Netv1,使用K-means++算法对锂电池缺陷数据集先验框进行重新聚类,同时构建新的注意力机制ECSA模块关注重要信息。改进后的模型检测精度与检测速度均得到提升。     

基于YOLOv3的桥式起重机摆角检测系统

起重机在启动、停止时的摆动角度较大,影响工作效率,摆角检测系统的研究对于提高起重机的效率和实现起重机无人化的研究具有重要意义,文中设计了一种桥式起重机摆角检测系统,该系统使用图像传感器结合计算机视觉算法测得摆角.所提出的技术使用工业摄像头作为视觉传感器,基于YOLOv3目标检测算法识别吊钩,根据图像中吊钩离开平衡位置的...     

基于Stereo RCNN的锚引导3D目标检测算法

针对当前基于锚的双目3D目标检测算法存在的锚点数量选取较多,从而影响在线计算速度的问题,提出了一种基于Stereo RCNN的锚引导3D目标检测算法FGAS RCNN.在第1阶段中,输入左右图像分别生成相应的概率图以生成稀疏锚点及稀疏锚框,再通过将左右锚作为一个整体生成2D预选框.第2阶段的关键点生成网络利用稀疏锚点信...     

融合改进 YOLOv5 算法的图像全站仪全自动测量方法

针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。     

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。     

基于Gabor滤波器对织造前帘子布疵点检测研究

针对织造前帘子布纱线疵点自动检测问题,对织造前帘子布纱线疵点分布特点开展了研究分析,提出了一种基于Gabor滤波器的帘子布纱线疵点检测算法,利用Gabor滤波器的能量值来描述帘子布纱线疵点特征。通过对疵点Gabor图像阈值化处理,得到了疵点的二值图像。然后对疵点二值图像沿水平方向进行了均等分割,得到了疵点所在的条状图像并除去随机噪声。在1 792个疵点图像测试集上对不同尺度参数的Gabor滤波器进行疵点检测准确度分析,建立了最优的方向和尺度参数组合。并搭建了基于机器视觉技术的帘子布纱线疵点检测系统。研究结果表明,该检测算法对帘子布纱线疵点检测准确度达到99.2%。经过4个月生产实践表明,该系统对织造前帘子布纱线疵点检测效果比人工检测效果提高86%,实现了机器换人的目的。     

基于特征的车辆目标复合探测方法研究

联合使用车底阴影、边缘信息、轮廓对称、灰度对称、水平线对称等车辆先验知识,提出一种基于特征的车辆检测方法.首先在图像中构建具有车底阴影特性的感兴趣区域;然后在感兴趣区域中分析车辆的边缘置信度,滤除其中平坦的背景区域;接下来利用轮廓对称或灰度对称定位潜在车辆;最后在潜在车辆区域中进一步分析对称性测度和水平线特性.只有具有充分的边缘、对称性和水平线特性的潜在车辆区域才被检测为车辆.实验结果表明:该方法在城市环境且不考虑遮挡的情况下,车辆有效识别率达到90%以上.     

基于视觉感知的故障图像检测算法

针对列车运行故障图像检测问题,提出了一种基于视觉感知机制的图像故障检测方法,实现了列车摇枕裂纹故障的高效率少样本检测。该方法首先基于ICA模型从图像序列中学习初级视皮层中简单细胞感受野;然后,计算正常图像和故障图像神经元的响应,找出对刺激响应较强烈的神经元,输出其对应的内容,进行故障检测。实验结果表明,该方法具有较高的故障检测率,同时能够利用少量样本实现对大量图像的故障检测。     

Chatter detection algorithm based on machine vision

Production of precise high-value mechanical elements requires a hundred percent on-site control. Chatter may occur due to random events. Although an unaided human eye can also easily identify the presence of chatter marks, it is economically ineffective. Therefore, an algorithm based on machine vision signals was proposed for surface inspection. The algorithm was designed to build an error map of the examined surface and highlight the regions of probable imperfections. The algorithm is based on local gradient estimation, applied in respect to milling parameters. Estimated local gradient directions are used to calculate the ridge/valley orientations of the machined surface. The local ridge orientation is used for the purpose of computing the surface error map. An experiment was made to test the algorithm. Milled surfaces in both chatter-free and chatter-rich conditions have been analysed with the presented method.