基于改进YOLOv3网络的齿轮缺陷检测

摘要：

为解决工业制造中齿轮缺陷检测难的问题,提出一种基于改进的YOLOv3网络的缺陷检测方法.首先构建齿轮缺陷图像数据集,包括图像采集与扩充和缺陷标注;其次采用密集连接网络(DenseNet)结构代替原有的网络结构,提高特征提取能力;最后增加网络预测尺度,提高对于小尺寸缺陷的检测能力.利用齿轮缺陷图像对该方法进行验证,发现所提方法的平均精确率均值比YOLOv3网络提高了3.87％,对齿轮缺失部分的精确率提高了5.7％.与YOLOv3网络相比,所提方法在齿轮缺陷检测上有一定的先进性和有效性.

关键词：图像处理、缺陷检测、特征提取、预测尺度、平均精确率

所属期刊栏目：57

分类号：TN919.8

资助基金：中央引导地方科技发展专项

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：145-153