原文传递
圆环形汽车钢铁零件缺陷检测系统
| 论文题名： | 圆环形汽车钢铁零件缺陷检测系统 |
| 关键词： | 汽车钢铁零件;缺陷检测;视觉测量;深度学习;加权K-means算法 |
| 摘要： | 目前，我国大部分机械加工生产厂商仍然采用人工方式对圆环形汽车钢铁零件进行质检，检测效率差、精度低，人为因素干扰大。为了高效完成圆环形汽车钢铁零件缺陷检测任务，本文利用机器视觉技术，分别对圆环形汽车钢铁零件的尺寸缺陷和表面缺陷进行检测研究，并设计和实现圆环形汽车钢铁零件的缺陷检测系统，具有实际工程应用价值。本文关键内容如下： (1)利用视觉测量技术对圆环形汽车钢铁零件的尺寸缺陷进行检测。在图像预处理的基础上，综合采用了粗精定位级联的亚像素边缘检测方法。其中，对于亚像素边缘检测Zernike矩法的不足作出改进：1）通过增加亚像素边缘点判定条件解决Zernike矩奇数尺寸模板在x轴上的精度误差问题；2）结合Otsu法实现Zernike矩灰度阶跃最佳阈值自动选择，提高了检测效率。在边缘检测的基础上，对零件内外圆半径和内外圆圆度这四个尺寸参数进行测量，并根据测量误差判定零件尺寸缺陷问题。本文利用对比性研究思想，对现有的各种算法和改进后的零件尺寸测量方法进行了多方面比较，实验结果表明，本文改进方法测量误差更小，精度更高，满足工业零件尺寸缺陷检测要求。 (2)利用深度学习技术对圆环形汽车钢铁零件的表面缺陷进行检测。根据圆环形汽车钢铁零件的表面缺陷特点，通过改进YOLOV4，提出了基于SE-R-YOLOV4的圆环形汽车钢铁零件表面缺陷检测算法。改进点如下：1）通过加权K-means算法对钢铁零件表面缺陷数据集进行聚类，得到与样本更加匹配的anchor预选框，解决缺陷样本不平衡问题。2）将SE模块引入YOLOV4骨干网络中的残差单元，将注意力更多的放在包含众多信息的通道，提高准确度。3）在网络输出的尺寸为76×76的特征图后连接RFB-s模块，增大感受野，扩大信息提取范围，提高分辨率，能提取到更多细节信息。在和多个目标检测算法的对比性实验中，改进的SE-R-YOLOV4算法在圆环形汽车钢铁零件表面缺陷数据集上mAP50达到90.5%，FPS为53.1帧每秒，综合性能更好，能满足工业生产实时性要求。通过在MSCOCO数据集上的迁移实验，说明改进算法可以处理不同的数据集，执行多分类任务，验证了其可迁移性和通用性。 (3)设计并实现了圆环形汽车钢铁零件的缺陷检测系统，可以一键式完成圆环形汽车钢铁零件的尺寸缺陷检测和表面缺陷检测任务，初步应用工业检测。 |
| 作者： | 彭露露 |
| 专业： | 图像处理 |
| 导师： | 朱媛媛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海师范大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
