基于自适应视觉检测的磁脉冲压接管件接头深度智能检测算法研究

摘要：

磁脉冲压接技术成形速度快、效率高,适合高强钢和铝、碳纤维等轻质材料的连接,在飞机工业中有广泛的应用前景.但目前针对磁脉冲压接管件的在线检测方法较少,不利于该技术实现自动化生产.针对磁脉冲压接管件压接质量的在线检测需求,提出了一种基于改进YOLOv4–Tiny(You only look once v4–Tiny)检测网络和自适应图像处理的视觉检测方法.引入高效通道注意力(ECA)模块对YOLOv4–Tiny检测网络进行改进,基于自适应阈值分割算法和Canny边缘检测算法设计了一种自适应的压接深度提取算法,通过模拟工业生产环境采集了一批磁脉冲压接管件图像并划分为训练集和验证集,最后使用训练数据集对算法进行训练,并在验证集上验证训练得到的检测模型.结果表明,压接区域检测模型交并比阈值取0.5时的平均精确度(AP@0.5)为100％,交并比阈值分别取0.5、0.6、0.7、0.8时的平均精确度(AP@0.5:0.8)为93.14％,单帧运行时间为1.66ms;图像处理边缘提取算法平均偏差为0.85个像素,最大偏差为2.6个像素,单帧运行时间为3.49ms;完整压接深度提取算法平均偏差为0.313个像素,均方偏差为0.115平方像素,平均偏差率为1.35％,单帧运行时间为124.49ms.该算法能够在无辅助定位的条件下准确快速地实现磁脉冲压接工件压接深度提取,部署成本低,鲁棒性高,具有较高的应用价值.

关键词：YOLO目标检测网络、图像处理、无损检测、视觉检测、轮廓提取、工业质检、磁脉冲压接

所属期刊栏目：65

分类号：TP391.41;TP216;TN96

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：54-63