10.3969/j.issn.1006-2475.2022.09.008
基于Retinanet的轮毂焊缝检测定位方法
提出一种基于深度学习方法的轮毂焊缝实时检测定位方法,设计轮毂焊缝视觉检测硬件平台,阐述多规格轮毂焊缝的检测定位原理,细述基于卷积神经网络的目标检测算法Retinanet以及基于Transformer架构的目标检测算法CoTNet的原理,优化Cot结构,提出CoTx结构,从而实现便捷替换卷积神经网络中通用的卷积层.在Pytorch框架下,简化Reti-nanet网络,通过CoTx结构和Retinanet网络的融合对比实验来优化Retinanet网络在轮毂焊缝数据集上的检测性能.实验结果表明,用CoTx结构替换Retinanet最后的几个特征提取层,可以得到更好的检测效果.在生产现场,进行为期30天的轮毂焊缝在线实时检测,平均检测精度为99.71%,单张检测时间为7 ms,达到企业生产的要求.
轮毂焊缝、目标检测、Retinanet、CoTNet、Transformer
TP309(计算技术、计算机技术)
2022-09-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
60-67