基于FCOS神经网络的制动主缸内槽缺陷检测方法

• 作者: 王芷薇 郭斌 胡晓峰 罗哉 段林茂
• 来源期刊: 计量学报
• 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
• 年，卷（期）: 2021,（9）
• 页码范围: 1225-1231
• 页数: 7页
• 分类号: TB973
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.09.17

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.