期刊专题

10.3969/j.issn.1001-3881.2023.16.018

基于深度学习的曲面玻璃表面缺陷检测方法

引用
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.

目标检测、缺陷检测、图像信息、K-means聚类算法、交并比

51

TP391.41(计算技术、计算机技术)

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

2023-10-10(万方平台首次上网日期,不代表论文的发表时间)

共7页

120-125,132

暂无封面信息
查看本期封面目录

机床与液压

1001-3881

44-1259/TH

51

2023,51(16)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn