基于弱光增强与YOLO算法的锯链缺陷检测方法

作     者：张福豹 吴婷 赵春峰 魏贤良 刘苏苏 Zhang Fubao;Wu Ting;Zhao Chunfeng;Wei Xianliang;Liu Susu

作者机构：南通大学机械工程学院南通226019 硕与硕(江苏)智能科技有限公司南通226499 

基　　金：南通市基础科学研究项目(JC12022023) 国防科工委(6142606211108)项目资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第6期

页      码：100-108页

摘      要：在基于机器视觉的锯链缺陷实时检测过程中,油污、粉尘等因素影响图像亮度和质量,导致目标检测网络的特征提取能力下降。为保证复杂环境下锯链缺陷检测的准确率,本文设计了一种结合弱光增强和YOLOv3算法的锯链自动化缺陷检测方法。首先使用RRDNet网络自适应增强锯链图像亮度,恢复图像暗区的细节特征;然后采用改进YOLOv3算法对锯链零件进行缺陷检测,增加FPN结构特征输出图层,利用K-means聚类算法对先验框参数重新聚类,并引入GIoU损失函数来提高小目标的缺陷检测精度。最后搭建一套锯链缺陷在线检测系统,对所提方法进行验证。实验结果表明,该方法能够显著提高弱光环境下的锯链图像照度、恢复图像细节,改进YOLOv3算法的mAP值为92.88%,相比原始YOLOv3提高14%,最终系统整体的漏检率降低到3.2%,过检率也降低到9.1%。所提出的方法可实现弱光场景下锯链缺陷的在线检测,并且对多种缺陷有着较高的检测精度。

主 题 词：锯链 弱光增强 YOLOv3 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] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19651/j.cnki.emt.2314520

馆 藏 号：203128007...