基于深度学习算法的尿素泵体用铝型材表面瑕疵检测

• 作者: 张浩舟 燕浩 陈亮
• 来源期刊: 流体机械
• 学科: 工学
• 关键词: 深度学习 迁移学习 表面瑕疵检测 YOLO模型 DCNN
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 应用技术
• 页码范围: 47-52,77
• 页数: 7页
• 分类号: TH3|TP311
• 字数: 3949字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-0329.2020.08.009

摘要

尿素泵为机动车尾气后处理系统的核心设备,泵体材料一般为铝型材,在铝型材生产过程中,受工艺等因素的影响会产生各种瑕疵,影响铝型材的质量.传统人工检测,质检的效率和准确率难以满足生产需要.本文将深度学习算法引入到缺陷检测中,结合迁移学习原理,使用小批量数据集,利用改进的YOLO模型进行训练,预测铝型材表面瑕疵.试验结果显示,尽管在小批量训练的条件下,验证集mAP值为87.43％,仍取得了98.2％的准确率,比拟人工检测的准确率,并可以快速、准确的定位缺陷部位.此技术有望革新现有质检流程,自动完成质检任务,保证产品的质量;另外,基于深度学习算法表面缺陷检测方法,鲁棒性好,具有一定的普适性,可以推广到相关的其他应用领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮		9	4	1.0	2.0
2	燕浩	合肥工业大学机械工程学院	7	2	1.0	1.0
3	张浩舟	合肥工业大学机械工程学院	1	0	0.0	0.0