基于图像处理与YOLO的端面缺陷检测方法

摘要：

压铸铝件是新能源汽车降低车身重量、提升续航里程的关键手段,然而在生产过程中压铸铝件常出现爬料、划痕、磕碰等缺陷,影响部件的性能及寿命,头部汽车制造业要求对关键部位的部件进行全检.本文提出了一种利用传统图像处理结合深度学习识别端面缺陷的方法,该方法能够对压铸铝件端面中可能出现的不同缺陷进行识别与定位.本文采用基于YOLO v4的检测模型替代了传统的人工肉眼判别及尺规测量检测的方式,实现了对压铸铝件缺陷的快速检测与定位,并通过实际产品落地验证了该方法的可行性.该方法能够对压铸铝件缺陷进行高效准确的在线检测,有助于提高整体部件质量水平,为我国新能源汽车提供有效支撑.

关键词：缺陷检测、深度学习、图像处理、YOLO

所属期刊栏目：12

分类号：TP18(自动化基础理论)

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：236-239