基于YOLOv5的换向器表面缺陷检测算法研究 |
| |
引用本文: | 张晓丽,马怡琛,仓玉萍,董少飞,郝纳,何思思.基于YOLOv5的换向器表面缺陷检测算法研究[J].重型机械,2023(6):21-27. |
| |
作者姓名: | 张晓丽 马怡琛 仓玉萍 董少飞 郝纳 何思思 |
| |
作者单位: | 1. 西安文理学院机械与材料工程学院陕西省表面工程与再制造重点实验室;2. 西安文理学院机械与材料工程学院西安市智能增材制造重点实验室;3. 信阳师范大学物理电子工程学院 |
| |
摘 要: | 在零部件制造和使用过程中,可能会在零部件表面出现缺损现象,而零部件在反复使用过程中其微小缺陷可能扩大甚至使损坏零部件,进而导致零部件所在系统发生故障。以工业用典型零部件换向器为研究对象,提出了基于深度学习算法的零部件缺陷检测方法。研究中,基于KolektorSDD数据集,首先采用Mosaic数据增强方法对换向器缺陷数据集中的数据进行旋转、裁剪等处理,对数据集进行扩充,构建数据集。其次,将构建的数据集划分为训练集和测试集。采用构建的训练数据集,搭建深度学习框架并采用YOLOv5卷积神经网络训练模型,建立换向器表面缺陷识别模型。最后,采用构建的识别模型对测试集中的数据进行测试。结果表明,训练模型性能评价指标平均精确率均值(mAP)及正样本召回率(Recall)均高达95%以上,采用深度学习中YOLOv5目标检测算法对换向器表面缺陷的检测精度可高达90%。
|
关 键 词: | 换向器表面缺陷 深度学习 卷积神经网络 YOLOv5算法 |
|
|