金屬表面缺陷檢測(cè)方法YOLOv3I

劉浩翰,孫 鋮,賀懷清,惠康華

(中國(guó)民航大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,天津 300300)

由于工業(yè)金屬零件在生產(chǎn)過程中產(chǎn)生的表面缺陷會(huì)影響機(jī)械設(shè)備的正常運(yùn)行,因此能快速、準(zhǔn)確、全面地檢測(cè)其表面缺陷具有重要意義.目前,軸承溝道表面缺陷檢測(cè)方法主要?dú)w結(jié)為兩類: 標(biāo)準(zhǔn)的缺陷檢測(cè)和基于深度學(xué)習(xí)的缺陷檢測(cè).軸承生產(chǎn)環(huán)境精細(xì)且復(fù)雜,所產(chǎn)生的缺陷大小形狀各異,同時(shí)與金屬表面有相似的紋理特性,因此檢測(cè)較困難.標(biāo)準(zhǔn)檢測(cè)方法通常需要相關(guān)領(lǐng)域質(zhì)檢專家參與檢驗(yàn)缺陷,成本較高,同時(shí)無法避免視覺疲勞導(dǎo)致的誤檢、漏檢,檢測(cè)效果得不到保證.基于深度學(xué)習(xí)的缺陷檢測(cè)方法主要有兩階段(two-stage)和單階段(one-stage)兩種.兩階段目標(biāo)檢測(cè)算法包括生成候選框和使用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)[1]提取特征并進(jìn)行分類回歸兩個(gè)階段,其代表性算法有R-CNN[2],SPP-Net[3],FastR-CNN[4],Faster R-CNN[5]和Mask R-CNN[6].單階段缺陷檢測(cè)算法是基于端到端回歸的方法,其典型代表有SSD(single shot multiBox detector)[7]和YOLO(you only look once)系列算法[8-10].兩階段目標(biāo)檢測(cè)算法因其對(duì)每個(gè)候選框進(jìn)行特征提取、分類和預(yù)測(cè)框回歸,因而具有較高的準(zhǔn)確性,單階段目標(biāo)檢測(cè)算法則具有更快的檢測(cè)速度.

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法依賴卷積神經(jīng)網(wǎng)絡(luò)提取輸入圖像特征,效果越好的模型通常有越深的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),同時(shí)網(wǎng)絡(luò)模型會(huì)產(chǎn)生更多的參數(shù)量和計(jì)算量.例如: 田強(qiáng)等[11]通過改進(jìn)殘差模塊結(jié)構(gòu),加強(qiáng)模型正則化抑制網(wǎng)絡(luò)的過擬合,通過控制卷積核數(shù)量減少網(wǎng)絡(luò)……