计算机工程

作者：张诗婧, 莫绪涛, 赵行, 董杨林

单位：安徽工业大学微电子与数据科学学院, 安徽 马鞍山 243002

关键词：缺陷检测,内螺纹,机器视觉,球面折反射成像,深度学习

基金：安徽省高校优秀青年人才支持计划项目(gxyq2022014); 教育部2021年第二批产学研合作协同育人项目(202102153068); 安徽省教育厅自然科学研究项目(KJ2020A0238)

螺母在机械制造环节得到广泛应用, 其内壁螺纹质量对于机械联接至关重要。为了实现螺母内螺纹的非接触缺陷检测, 首先提出一种基于球面折反射全景成像原理的图像采集装置, 其次利用该装置采集图像数据集并提出一种基于改进YOLOv7的缺陷检测算法。该成像装置具备一次性成像、无须伸入内壁、采集到的内螺纹图像细节完整等优势, 有效地改进了传统视觉检测方案存在的成像分辨率低、相机视场占比小的问题。对YOLOv7模型进行改进并结合螺母内螺纹的缺陷特征, 使用k-means++算法聚类锚框, 使得模型训练更容易收敛。通过在特征融合网络中加入坐标注意力(CA)机制, 提高网络的特征表达能力。使用SIoU损失函数替换原YOLOv7模型中的CIoU损失函数, 提高模型分类的准确性和可靠性。实验结果表明, 针对缺口、漏攻纹、刮痕、碎屑4种内螺纹缺陷, 改进后的YOLOv7模型的平均精度(AP)分别达到96.89%、100%、98.07%、99.98%, 平均精度均值(mAP)达到98.74%, 检测速度达到39.64帧/s, 与其他常见模型相比, 改进模型精度更高, 能够满足工业现场的实时检测需求。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期