基于机器视觉的零部件的缺陷检测

• 作者: 齐金龙 张俊峰 戴贤萍 张劲松 胡陟
• 来源期刊: 智能计算机与应用
• 关键词: 机器视觉 缺陷检测 卷积神经网络 VGG16
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 科技创见与应用|Scientific achievement and application
• 页码范围: 167-171
• 页数: 5页
• 分类号: R391.9
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2021.03.036

摘要

汽车零部件在实际生产过程中,打磨、抛光等各种无法确定的因素会在零部件的表面留下缺陷,从而严重影响车辆的组装、制造,存在巨大的安全隐患,因此车辆零部件的缺陷检测十分重要.零部件缺陷检测已从传统的手工分类发展为基于机器视觉的方法.本文基于卷积神经网络对VGG16网络模型进行改进,提高了模型对汽车零部件缺陷的检测精度.首先,改进了网络模型的全连接层;其次,在模型中引入了AMF-Softmax损失函数,在达到更优的聚类效果的同时解决了数据不平衡问题,最终实现了零部件缺陷的识别与定位.与传统模型的缺陷检测效果比较表明,改进的VGG16网络结构模型测试准确率可以达到97.59％,在零部件缺陷检测方面具有优越性.