基于深度学习的铸件缺陷检测方法

摘要：

针对铸件X射线图像获取困难、人工及传统识片方法效率低且漏判率高的问题,文中提出了一种基于深度学习的铸件缺陷检测方法.首先,采用Overlap切图(重叠切图)数据增广方法实现缺陷扩充,并基于简化Mosaic数据增广进一步提升图像的复杂度;然后,基于仅浏览一次(You Only Look Once,YOLO)的理念实现缺陷检测模型构建;最后,提出一种基于边界框抑制的测试图像缺陷检测方法,以子图迭代方式完成测试图像中的缺陷检测.实验结果表明,该方法能够有效实现多种铸件缺陷的自动检测,为铸件缺陷检测提供了基于深度学习的解决方案.

关键词：缺陷检测;铸件;YOLO;深度学习;X射线图像

所属期刊栏目：37

分类号：TG115.28(金属学与热处理)

资助基金：陕西省重点研发计划项目;陕西省重点研发计划项目

在线出版日期：2021-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：59-64