基于改进的YOLOv3模型的焊缝缺陷检测方法研究

• 作者: 马强 李龙涛 耿志卿 李心平
• 来源期刊: 上海汽车
• 关键词: 焊缝缺陷检测 深度学习 YOLOv3模型
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 制造试验
• 页码范围: 56-62
• 页数: 7页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-4554.2021.06.10

摘要

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别和定位.试验结果表明,本方法可准确识别焊缝缺陷,且具有抗干扰能力强、识别速度快等优点,可有效提升焊装生产线的自动化水平.