基于自适应样本权重深度学习模型的塑料轮表面缺陷的智能检查方法和系统
Zhaoyao Shi1, Yiming Fang1, Huixu Song1
1Beijing Engineering Research Center of Precision Measurement Technology and Instruments, College of Mechanical & Energy Engineering, Beijing University of Technology, Beijing 100124, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究介绍了PGD-net,这是一种用于检查塑料轮缺陷的智能算法. 它在识别16种缺陷类型时达到很高的准确性,并使生产线上的自动在线质量控制成为可能.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 制造业 工程 制造工程
背景情况:
- 塑料轮通常在注塑成型后会出现表面缺陷,这挑战了传统的检查方法.
- 现有的视觉检查系统缺乏全面的缺陷检测和准确性.
- 需要先进,准确的塑料轮缺陷检查解决方案.
研究的目的:
- 开发一个智能算法和系统,用于全面的塑料轮缺陷检查.
- 为了提高准确性和能力,超越目前单一类别的检查方法.
- 为应对复杂的缺陷类型和不平衡的数据集所带来的挑战.
主要方法:
- 开发了PGD-net (塑料轮缺陷网络),用于检测微妙的表面缺陷.
- 整合了适应性样本权重方法,并改进了焦点-IoU损失函数.
- 整合了CoordConv层来增强模型的概括性.
- 为训练和测试构建了16种塑料轮缺陷类型的数据集.
主要成果:
- 在16种缺陷类型中,PGD-net实现了95.6%的平均平均精度 (mAP).
- 该算法有效地捕获任意位置的微妙缺陷特征.
- 开发了一个在线检查系统,并集成到生产线中.
- 该系统每天成功检查超过6万个轮.
结论:
- PGD-net为塑料轮表面缺陷检查提供了强大而准确的解决方案.
- 开发的在线系统可实现制造过程中的自动化质量控制和分类.
- 这项技术显著提高了塑料轮生产的效率和可靠性.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
11:34Subsurface Defect Localization by Structured Heating Using Laser Projected Photothermal Thermography
Published on: May 15, 2017
11.1K
