典型文献
基于改进YOLOv4算法的轮毂表面缺陷检测
文献摘要：
汽车轮毂加工过程中产生的表面缺陷严重影响整车的美观性及服役性能,针对人工检测效率低、漏检率高的问题,提出一种基于改进YOLOv4算法的轮毂表面缺陷检测方法.构建了轮毂缺陷数据集,其包含6种表面缺陷,由2 346张4 928×3 264 pixel的图像组成;采用K-means方法进行先验框聚类,并针对YOLOv4算法在纤维、粘铝等小尺度缺陷上检测精度不足问题,在原网络Neck部分引入细化U型网络模块(TUM)和注意力机制,用于增强有效特征并抑制无效特征,强化多尺度特征提取与融合,改善特征处理过程中可能存在的小目标信息丢失问题;基于该数据集,训练并测试不同算法的缺陷检测性能并验证改进模块的有效性.结果表明,该方法大幅提升了粘铝等小尺寸缺陷的检测能力,缺陷检测平均精度达到85.8％,与多种算法相比较检测精度最高.
文献关键词：
计量学;轮毂;缺陷检测;改进YOLOv4算法;细化U型网络
中图分类号：
作者姓名：
吴凤和;崔健新;张宁;张志良;张会龙;郭保苏
作者机构：
燕山大学机械工程学院,河北秦皇岛066004;中信戴卡股份有限公司,河北秦皇岛066004
文献出处：
引用格式：
[1]吴凤和;崔健新;张宁;张志良;张会龙;郭保苏-.基于改进YOLOv4算法的轮毂表面缺陷检测)[J].计量学报,2022(11):1404-1411
A类：
B类：
YOLOv4,表面缺陷检测,汽车轮毂,轮毂加工,加工过程,整车,美观性,服役性能,检测效率,漏检率,缺陷检测方法,缺陷数据,pixel,图像组,means,先验框,小尺度,检测精度,不足问题,Neck,TUM,注意力机制,有效特征,抑制无效特征,多尺度特征提取,特征处理,小目标,目标信息,信息丢失,检测性能,小尺寸,检测能力
AB值：
0.451834
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
