基于FCOS神经网络的制动主缸内槽缺陷检测方法

摘要：

针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法.利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测.实验结果表明,FCOS网络对制动主缸内槽砂眼、划痕、振刀纹缺陷检测的平均精度均值分别为85.2％、87.5％、90.1％,精确度分别为0.98、0.89、0.95.实验结果与Mask R-CNN网络和Faster R-CNN网络的实验结果进行对比,FCOS网络具有更高的准确率,学习时长大幅度缩短,且满足实时检测要求.

关键词：计量学;内槽缺陷检测;制动主缸;全卷积网络;FCOS;特征融合金字塔网络

所属期刊栏目：42

分类号：TB973(计量学)

资助基金：国家自然科学基金;国家自然科学基金重大科研仪器研制项目;浙江省先进制造技术重点实验室开发项目

在线出版日期：2021-10-22（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：1225-1231