基于深度学习的曲面玻璃表面缺陷检测方法
Machine Tool & Hydraulics(2023)
摘要
针对曲面玻璃表面缺陷成像难、识别准确率低等问题,提出一种基于YOLOv4 的曲面玻璃表面缺陷检测方法.根据光源的方向确定平面与曲面的光学特性,采用明场背面漫射照明的方式来获得图像信息,确立打光方案后获取不同表面的缺陷图片.使用改进K-means聚类算法,采用交并比函数确定锚框的量度,解决原锚框大小不适用于玻璃缺陷小目标检测问题.将所提方法与缺陷检测主流算法对比验证.结果表明:所提改进的YOLOv4 方法均值平均精度(mAP)可以达到 80.14%,与Faster RCNN以及YOLOv3 算法相比,mAP分别提升了8.29%和16.11%,并且有更好的鲁棒性和检测效果.
更多关键词
Object detection,Defect detection,Image information,K-means clustering algorithm,Intersection over union
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要