基于改进Yolo v3的电连接器缺陷检测

• 作者: 吴伟浩 李青
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 缺陷检测 电连接器 机器视觉 深度学习 Yolo v3
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 传感器应用
• 页码范围: 299-307
• 页数: 9页
• 分类号: TP391.4
• 字数: 6255字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2020.02.022

摘要

针对电连接器缺陷检测目前存在自动化程度低、检测精度低、检测速度慢以及鲁棒性较差等问题,提出了一种改进的Yolo v3算法来检测电连接器的缺陷.首先采用K-means聚类算法对本文数据集进行聚类分析得到3种宽高比的候选框,针对本文缺陷对象提高检测精度;对主干网络第三个残差块输出的8倍降采样特征图进行4倍上采样,将得到的特征图与第二个残差块输出的2倍降采样特征图进行拼接得到融合特征检测层;将目标检测层之前经过的6个DBL单元改为2个DBL单元加上2个残差单元,以提高特征的复用与获取;另外本文选择单尺度特征图进行目标检测,而不是原网络的多尺度预测,既节省了计算量,又一定程度上避免误检.通过定性与定量的实验结果表明,本文改进后的Yolo v3算法对电连接器缺陷检测有着更好的性能以及速度,准确率为93.5％,相较于Faster R-CNN更加准确,原Yolo v3更加快速,基本上满足了工业现场对电连接器检测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李青	中国计量大学机电工程学院	87	619	10.0	23.0
2	吴伟浩	中国计量大学机电工程学院	1	0	0.0	0.0