針對(duì)航天電子焊點(diǎn)缺陷采用人工檢測(cè)效率低下、準(zhǔn)確率較差等問(wèn)題,提出一種基于改進(jìn)Tiny-YOLOv3網(wǎng)絡(luò)的焊點(diǎn)缺陷主動(dòng)紅外檢測(cè)方法。通過(guò)引入MobileNet模型增強(qiáng)Tiny-YOLOv3的特征提取網(wǎng)絡(luò),提升模型高級(jí)語(yǔ)義特征提取能力,進(jìn)而提高焊點(diǎn)紅外圖像缺陷檢測(cè)的速度和準(zhǔn)確率。同時(shí),搭建焊點(diǎn)紅外圖像拍攝平臺(tái),構(gòu)建焊點(diǎn)缺陷樣本數(shù)據(jù)集,將改進(jìn)后模型與YOLOv3、Tiny-YOLOv3模型進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,該改進(jìn)模型單張圖片平均檢測(cè)時(shí)間為0.062 5 s,在保持了Tiny-YOLOv3網(wǎng)絡(luò)速度前提下,平均檢測(cè)精度均值較YOLOv3和改進(jìn)前分別提升52.19%、22.62%,達(dá)到82%,同時(shí),孔洞、凹陷、缺口3種缺陷間檢測(cè)精度差降至5%以內(nèi),充分展示了該方法在航天電子焊點(diǎn)缺陷檢測(cè)中的應(yīng)用前景。 

【文章來(lái)源】：儀器儀表學(xué)報(bào). 2020,41(11)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引 言
1 YOLO神經(jīng)網(wǎng)絡(luò)模型
2 改進(jìn)Tiny-YOLOv3模型
3 基于改進(jìn)Tiny-YOLOv3模型的焊點(diǎn)紅外圖像缺陷檢測(cè)
    3.1 樣本數(shù)據(jù)集
    3.2 模型評(píng)估指標(biāo)
    3.3 實(shí)驗(yàn)結(jié)果與分析
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的機(jī)器人最優(yōu)抓取姿態(tài)檢測(cè)方法[J]. 李秀智,李家豪,張祥銀,彭小彬.  儀器儀表學(xué)報(bào). 2020(05)
[2]深度學(xué)習(xí)目標(biāo)檢測(cè)方法綜述[J]. 趙永強(qiáng),饒?jiān)?董世鵬,張君毅.  中國(guó)圖象圖形學(xué)報(bào). 2020(04)
[3]基于改進(jìn)型卷積網(wǎng)絡(luò)的汽車高度調(diào)節(jié)器缺陷檢測(cè)方法[J]. 鮑光海,林善銀,徐林森.  儀器儀表學(xué)報(bào). 2020(02)
[4]基于多特征的SVM多分類PCB焊點(diǎn)缺陷檢測(cè)方法[J]. 陳壽宏,趙爽,馬峻,張雨璇,郭玲.  激光雜志. 2019(06)
[5]基于增強(qiáng)Tiny YOLOV3算法的車輛實(shí)時(shí)檢測(cè)與跟蹤[J]. 劉軍,后士浩,張凱,張睿,胡超超.  農(nóng)業(yè)工程學(xué)報(bào). 2019(08)
[6]基于級(jí)聯(lián)式Faster RCNN的三維目標(biāo)最優(yōu)抓取方法研究[J]. 陳丹,林清泉.  儀器儀表學(xué)報(bào). 2019(04)
[7]航天用表面安裝元器件再流焊焊點(diǎn)可靠性分析[J]. 郭曉林,韓彬.  電源技術(shù). 2018(08)
[8]深度學(xué)習(xí)在目標(biāo)視覺(jué)檢測(cè)中的應(yīng)用進(jìn)展與展望[J]. 張慧,王坤峰,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(08)
[9]航天電子產(chǎn)品焊點(diǎn)缺陷的熱仿真與試驗(yàn)[J]. 劉守文,孔令超,黃小凱,林博穎.  焊接學(xué)報(bào). 2016(07)
[10]多尺度區(qū)域生長(zhǎng)與去粘連模型的乳腺細(xì)胞分割[J]. 王品,胡先玲,謝文賓,李勇明,劉書(shū)君.  儀器儀表學(xué)報(bào). 2015(07)



本文編號(hào)：3175492