基于深度学习的曲面玻璃表面缺陷检测方法

摘要：

针对曲面玻璃表面缺陷成像难、识别准确率低等问题,提出一种基于YOLOv4 的曲面玻璃表面缺陷检测方法.根据光源的方向确定平面与曲面的光学特性,采用明场背面漫射照明的方式来获得图像信息,确立打光方案后获取不同表面的缺陷图片.使用改进K-means聚类算法,采用交并比函数确定锚框的量度,解决原锚框大小不适用于玻璃缺陷小目标检测问题.将所提方法与缺陷检测主流算法对比验证.结果表明:所提改进的YOLOv4 方法均值平均精度(mAP)可以达到 80.14%,与Faster RCNN以及YOLOv3 算法相比,mAP分别提升了8.29%和16.11%,并且有更好的鲁棒性和检测效果.

关键词：目标检测、缺陷检测、图像信息、K-means聚类算法、交并比

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省珠江人才计划本土创新团队项目;广东省创新强校工程项目;机械设备健康维护湖南省重点实验室开放基金

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-125,132