收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的汽车轮毂表面缺陷在线检测算法

韩凯  
【摘要】:轮毂表面缺陷检测是轮毂企业生产物流过程中的重要一环。通过现场调研,本文发现在传统解决方案中,轮毂表面缺陷检测是通过工人在生产线的固定工位通过肉眼观测的方式来对缺陷进行定位和标记。而由于汽车轮毂结构复杂,人工检测的方法效率低、工作量大,此种检测方式越来越难以满足轮毂生产过程越来越高的快速、准确、稳定的要求。为了实现生产物流装备自动化与智能化,提升轮毂制造企业生产物流过程的效率,降低人工成本,针对上述情况,本文结合深度学习技术,以及轮毂缺陷检测任务的实地调研,提出了基于深度学习的轮毂缺陷在线检测算法。本文的主要工作如下:1.轮毂生产线缺陷检测系统流程设计。本系统包含完整的轮毂在线缺陷检测流程,包括图像采集、图像预处理、轮毂图像缺陷检测等等。2.建立轮毂表面缺陷数据库。具体流程是在生产线现场通过工业相机采集轮毂表面缺陷图像,之后进行数据清洗,并通过专业标注软件对缺陷图像进行标注,最终得到带有精确标注的缺陷图像数据库。3.识别模糊图像。本文采用的消除模糊算法是基于深度学习的生成式对抗网络实现的,因此运算速度较慢,而采集的图像中只有一部分图像存在模糊现象,为了提高缺陷检测算法系统的效率,在进行消除图像模糊之前,设计算法识别模糊图像,如检测为模糊,则送入深度学习消除图像模糊网络。若识别为清晰图像,则直接进行轮毂图像缺陷检测。4.消除轮毂表面图像模糊现象。在对轮毂缺陷图像进行检测之前,需要对缺陷图像进行预处理已满足算法需求。由于本文提出的缺陷检测系统中图像采集阶段是轮毂在生产线上输送的同时进行的,所以采集的轮毂图像会存在运动模糊现象。针对这一问题,本位提出了深度对抗学习算法,在不需要准确运动信息的条件下消除运动模糊。5.轮毂图像缺陷检测。本文实现了深度学习目标检测算法并基于轮毂缺陷任务进行改进,在Faster-RCNN目标检测算法的基础上,进行了加入SE模块、将ROI-Pooling替换为ROI-Align、FPN多尺度特征融合网络三种改进,最终得到可以对轮毂表面缺陷定位以及分类的模型。本文最终实现的轮毂图像缺陷检测算法可以对缺陷点、划痕两种缺陷进行检测,同时给出缺陷位置以及缺陷类型。在本文建立的300张轮毂表面缺陷图像数据集上,对于所有缺陷区域,可以达到94%的召回率以及88%的预测准确率。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 张昱;张健;;模糊专家系统在TFT-LCD缺陷检测中的应用[J];光电子·激光;2006年06期
2 吴明复;纤维增强复合材料的应用及其缺陷检测[J];航天工艺;1988年01期
3 张兴森;边美华;梁庆国;卢展强;;基于涡流检测的电力线夹缺陷检测与分类方法[J];中国科技论文;2017年04期
4 张国强;张晓;隋文涛;;基于敲击信号的刹车片内部缺陷检测[J];组合机床与自动化加工技术;2017年10期
5 包正林;;有关阀门缺陷检测方法的分析[J];科技创业家;2013年22期
6 黄艳红;高晓蓉;杜路泉;;光纤光栅传感器在桥梁缺陷检测和结构健康监测中的应用[J];铁道技术监督;2007年11期
7 马少林;用于全寿命风险管理的缺陷检测和预防技术研究[J];航空兵器;2005年02期
8 苏若;吴际;刘超;杨海燕;;基于多视角卡牌模型的需求缺陷检测[J];计算机科学;2018年10期
9 顾杰;肖辽;马军山;;机器视觉在TFT-LCD暗画面缺陷检测中的应用[J];光学仪器;2017年03期
10 李羽可;涂君;宋小春;;超声相控阵缺陷检测聚焦技术仿真分析[J];测控技术;2016年07期
11 何存富,刘增华,孙雅欣,王秀彦,吴斌;基于超声导波技术对弯管中缺陷检测的实验研究[J];中国机械工程;2005年18期
12 方文星;王野;;一种铝塑泡罩药品包装缺陷检测方法[J];包装工程;2019年01期
13 陈牧;闫超奇;马敏;;多电极传感器复合材料缺陷检测系统设计(英文)[J];机床与液压;2017年24期
14 商俊平;李储欣;陈亮;;基于视觉的绝缘子定位与自爆缺陷检测[J];电子测量与仪器学报;2017年06期
15 马吉权;宫兵;;一种焊点缺陷检测方法的研究[J];哈尔滨商业大学学报(自然科学版);2008年03期
16 李萌;孙铁波;;基于机器视觉的食品包装缺陷检测研究[J];食品研究与开发;2016年24期
17 徐足骋;周鑫;袁锁中;王从庆;张小正;;基于视觉的印刷品缺陷检测技术[J];重庆理工大学学报(自然科学);2017年08期
18 赵俊冉;王东兴;冷惠文;罗昆;;基于机器视觉的玻璃磨边缺陷检测[J];烟台大学学报(自然科学与工程版);2017年04期
中国重要会议论文全文数据库 前10条
1 赵涟漪;许宝杰;童亮;;在线玻璃缺陷检测系统的研究[A];机械动力学理论及其应用[C];2011年
2 王彩霞;何文华;杨威;;基于图像分割的包装缺陷检测分析[A];2012年陕西省焊接学术交流会论文集[C];2012年
3 赵鸿雁;李超;江玉杰;葛亚萍;侯沛东;;图像增强算法在印刷缺陷检测中的应用研究[A];2015第四届中国印刷与包装学术会议论文摘要集[C];2015年
4 唐辉;万来毅;吴晓鹏;;铸坯表面质量缺陷检测系统的算法研究[A];全国冶金自动化信息网2011年年会论文集[C];2011年
5 于景兰;于健;翁昌年;;探地雷达在桥梁缺陷检测中的应用初探[A];中国地球物理第二十一届年会论文集[C];2005年
6 裴翠祥;陈振茂;刘皓晨;邱金星;;激光诱发热波及超声波在材料表面和内部缺陷检测中的应用研究[A];中国力学大会-2015论文摘要集[C];2015年
7 蔡茂蓉;;PCB缺陷检测系统的研究与实现[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年
8 朱尔玉;张文辉;刘福胜;杨威;;混凝土灌注桩缺陷检测及施工质量评估[A];工程安全及耐久性——中国土木工程学会第九届年会论文集[C];2000年
9 薛仁杰;王晓晨;杨荃;董峰;张彦杰;;基于激光超声技术的金属板带缺陷检测研究[A];2018年全国固体力学学术会议摘要集(下)[C];2018年
10 胡达明;;红外热像仪在建筑节能工程质量缺陷检测中的应用研究[A];2009年福建省暖通空调制冷学术年会论文资料集[C];2009年
中国博士学位论文全文数据库 前10条
1 艾矫燕;基于计算机视觉的墙地砖颜色分类和缺陷检测研究[D];华南理工大学;2003年
2 张昱;基于机器视觉的TFT-LCD屏mura缺陷检测技术研究[D];哈尔滨工业大学;2006年
3 彭艳华;基于激光散斑的轮胎制造内部缺陷检测与疲劳寿命预估[D];华南理工大学;2017年
4 陆向宁;基于主动红外热成像的倒装焊缺陷检测方法研究[D];华中科技大学;2012年
5 陈志彦;并行谱域光学相干层析成像系统的研制与应用研究[D];浙江大学;2017年
6 陆宁;基于主动红外热成像的倒装焊缺陷检测方法研究[D];华中科技大学;2012年
7 赵云山;基于符号分析的静态缺陷检测技术研究[D];北京邮电大学;2012年
8 何健鹏;面向钢板缺陷检测的电磁超声兰姆波换能器研究[D];北京科技大学;2018年
9 崔克彬;基于图像的绝缘子缺陷检测中若干关键技术研究[D];华北电力大学(北京);2016年
10 康维新;基于小波和支持向量机的桩基缺陷检测技术研究[D];哈尔滨工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 吴进仪;基于机器视觉的衬布缺陷检测系统研究[D];浙江工业大学;2019年
2 程康;基于深度学习的工业品不规则缺陷检测研究[D];浙江工业大学;2019年
3 陈玉叶;液晶屏非显示缺陷检测[D];厦门大学;2017年
4 何俊杰;基于深度学习的TFT-LCD线路缺陷检测研究[D];厦门大学;2018年
5 李欣遥;基于深度学习的工件微小缺陷诊断方法研究[D];天津工业大学;2019年
6 茹愿;基于编码结构光的工件装配缺陷检测方法研究[D];天津工业大学;2019年
7 李峰宇;基于DLP的敏捷式智能缺陷检测系统[D];郑州大学;2019年
8 孙帅斌;基于FPGA的PCB板缺陷检测系统[D];郑州大学;2019年
9 韩凯;基于深度学习的汽车轮毂表面缺陷在线检测算法[D];北京邮电大学;2019年
10 刘学兵;机器视觉口服液瓶外观的缺陷检测方法研究[D];湖南大学;2018年
中国重要报纸全文数据库 前7条
1 ;圆棒表面微小缺陷检测技术[N];世界金属导报;2017年
2 ;智能化:传统企业要行动[N];第一财经日报;2017年
3 本报记者 宋利彩;加快新技术在出生缺陷检测中的转化[N];中国妇女报;2014年
4 记者 胡拥军 通讯员 朱其康 张根华;管道缺陷检测不再“脱外衣”[N];中国石化报;2010年
5 ;英特尔OpenVINO~(TM)助推工业质检智能化[N];中国信息化周报;2019年
6 薛守仁;防范基因歧视[N];科技日报;2001年
7 本报记者 滕继濮;油气命脉里的“机器医生”[N];科技日报;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978