基于深度学习的航天密封圈表面缺陷检测

作     者：陶晓天 何博侠 张鹏辉 田德旭 Tao Xiaotian;He Boxia;Zhang Penghui;Tian Dexu

作者机构：南京理工大学机械工程学院南京210094 

基　　金：国家自然科学基金(51575281) 中央高校基本科研业务费专项资金(30916011304)项目资助 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2021年第42卷第1期

页      码：199-206页

摘      要：针对航天密封圈表面缺陷人工检测效率低、传统图像处理检测算法通用性差的问题,提出了两种基于深度学习的密封圈表面缺陷检测算法。首先,针对缺陷大部分为小目标的特点,选取对小目标较敏感的RetinaNet网络作为检测算法的基本架构,通过在RetinaNet网络中引入轻量级网络MoGaA构建出MoGaA-RetinaNet算法。然后,为了提高检测精度,在MoGaA-RetinaNet基础上,用分解卷积模块代替MoGaA骨干网络中的深度卷积构建了newMoGaA骨干网络,设计出newMoGaA-RetinaNet算法。最后,在测试集上的实验结果表明,MoGaA-RetinaNet算法比RetinaNet算法检测速度更快,但检测准确率略低;而newMoGaA-RetinaNet算法实现了检测精度与检测速度的良好平衡,比RetinaNet算法准确率提升4.5%,达到92%,检测速度提升55%,达到31 frame/s,网络参数量减少50%。所设计的newMoGaA-RetinaNet算法可以实现密封圈表面缺陷的快速准确检测。

主 题 词：航天密封圈 深度学习 分解卷积 RetinaNet 缺陷检测 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 080401[080401] 0804[工学-材料学] 0703[理学-化学类] 081101[081101] 0811[工学-水利类] 081102[081102] 

核心收录：

D　O　I：10.19650/j.cnki.cjsi.J2006915

馆 藏 号：203102472...