PMC-YOLO:一种烧结复杂环境下的篦条缺陷检测方法

作     者：申旭桓 马宗方 袁立新 陈陆义 崔衡 董武刚 殷浩 SHEN Xuhuan;MA Zongfang;YUAN Lixin;CHEN Luyi;CUI Heng;DONG Wugang;YIN Hao

作者机构：西安建筑科技大学信息与控制工程学院西安710055 中冶长天(长沙)智能科技有限公司长沙410205 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2025年第44卷第1期

页      码：84-91页

摘      要：为应对传统篦条缺陷检测方法效率低、易干扰等问题,该文提出一种PMC-YOLO篦条缺陷检测算法,以翅冀的篦条故障作为实验检测对象。首先,通过渐进特征融合网络AFPN(Asymptotic feature pyramid network)结合路径聚合网络PANet(Path aggregation network)的思想,提出一种P-AFPN特征融合方式,使模型适应不同层次的特征信息;其次,设计MC-SimSPPF模块,在SimSPPF(Simplified spatial pyramid pooling-fast)模块引入混合局部通道注意力机制MLCA(Mixed local channel attention),增强网络对有用特征的捕捉;之后,利用PP-LCNet(Pyramid lightweight convolutional neural network)实现主干网络的轻量级设计,确保高速度的同时维持高精度;最后,使用Focal-EIoU损失函数,准确地描述边界框之间的差异,提升目标定位精度。结果显示,改进的PMC-YOLO模型大小仅9.9 MB,平均检测精度达到93.8%,提升5.3%,检测速度达87 frame/s,适合在嵌入式设备上部署,且满足烧结环境下实时篦条缺陷检测需求。

主 题 词：缺陷检测 篦条 PMC-YOLO 烧结复杂环境 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

核心收录：

D　O　I：10.13433/j.cnki.1003-8728.20240184

馆 藏 号：203156588...