尿素泵為機(jī)動車尾氣后處理系統(tǒng)的核心設(shè)備,泵體材料一般為鋁型材,在鋁型材生產(chǎn)過程中,受工藝等因素的影響會產(chǎn)生各種瑕疵,影響鋁型材的質(zhì)量。傳統(tǒng)人工檢測,質(zhì)檢的效率和準(zhǔn)確率難以滿足生產(chǎn)需要。本文將深度學(xué)習(xí)算法引入到缺陷檢測中,結(jié)合遷移學(xué)習(xí)原理,使用小批量數(shù)據(jù)集,利用改進(jìn)的YOLO模型進(jìn)行訓(xùn)練,預(yù)測鋁型材表面瑕疵。試驗(yàn)結(jié)果顯示,盡管在小批量訓(xùn)練的條件下,驗(yàn)證集mAP值為87.43%,仍取得了98.2%的準(zhǔn)確率,比擬人工檢測的準(zhǔn)確率,并可以快速、準(zhǔn)確的定位缺陷部位。此技術(shù)有望革新現(xiàn)有質(zhì)檢流程,自動完成質(zhì)檢任務(wù),保證產(chǎn)品的質(zhì)量;另外,基于深度學(xué)習(xí)算法表面缺陷檢測方法,魯棒性好,具有一定的普適性,可以推廣到相關(guān)的其他應(yīng)用領(lǐng)域。 

【文章來源】：流體機(jī)械. 2020,48(08)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

基于深度學(xué)習(xí)的視覺感知步驟

本次試驗(yàn)總共有1 416幅鋁型材圖像,包含有缺陷圖像856幅和無缺陷圖像560幅,針對常見的6種缺陷:“擦花”、“凸粉”、“漏底”、“碰凹”、“桔皮”、“臟點(diǎn)”,如圖2所示。使用標(biāo)注工具labelImg進(jìn)行了標(biāo)注,按照VOC2007數(shù)據(jù)集格式制作訓(xùn)練集和測試集。數(shù)據(jù)集,共分為3種類型:訓(xùn)練集為包含缺陷的圖像;測試集,既包含缺陷圖片又包含無缺陷圖像(每種缺陷10幅);負(fù)樣本為無缺陷圖像,是訓(xùn)練集的一部分,共計(jì)500幅。數(shù)據(jù)集每種樣本的數(shù)量見表1。表1 數(shù)據(jù)集及分類 缺陷種類 訓(xùn)練集 測試集 負(fù)樣本 擦花 120 28+10 500 凸粉 112 24+10 漏底 122 24+10 碰凹 118 27+10 桔皮 121 30+10 臟點(diǎn) 106 26+10

YOLOv3模型是由一個252層的DCNN網(wǎng)絡(luò),只有卷積層,沒有池化層和全連接層,池化層被卷積層(3×3的卷積,stride=2)代替。它的主干網(wǎng)絡(luò)為darknet-53,顧名思義包含53個卷積層,作為YOLOv3特征提取的主要網(wǎng)絡(luò)結(jié)構(gòu)。我們利用遷移學(xué)習(xí)的思想,對于低層的網(wǎng)絡(luò)參數(shù)權(quán)重,采用大數(shù)據(jù)COCO數(shù)據(jù)集的訓(xùn)練結(jié)果,后面的網(wǎng)絡(luò)用自己的數(shù)據(jù)集進(jìn)行訓(xùn)練如圖3所示。實(shí)際訓(xùn)練時我們凍結(jié)了最前面的249層,最后3層采用我們制作的數(shù)據(jù)集進(jìn)行訓(xùn)練。

【參考文獻(xiàn)】：
期刊論文
[1]上海地區(qū)太陽能-地源熱泵冬季聯(lián)合運(yùn)行試驗(yàn)研究[J]. 崔云翔,蔡穎玲.  流體機(jī)械. 2019(02)
[2]氨吸收式太陽能熱泵-板式換熱器聯(lián)合供暖系統(tǒng)的理論與試驗(yàn)研究[J]. 盧晨,楊洪興,呂建,李憲莉,郭欣玥,李方雪.  流體機(jī)械. 2018(02)
[3]太陽能汽車?yán)m(xù)航模型及光儲優(yōu)化配置方法[J]. 毛濤濤,潘國兵,歐陽靜,陳金鑫,胥芳.  機(jī)電工程. 2018(01)
[4]基于深度學(xué)習(xí)的太陽能電池片表面缺陷檢測方法[J]. 王憲保,李潔,姚明海,何文秀,錢沄濤.  模式識別與人工智能. 2014(06)
[5]利用傅里葉變換提取圖像紋理特征新方法[J]. 徐貴力,毛罕平.  光電工程. 2004(11)
[6]利用小波變換和特征加權(quán)進(jìn)行紋理分割[J]. 吳高洪,章毓晉,林行剛.  中國圖象圖形學(xué)報(bào). 2001(04)



本文編號：3233418