基于深度学习的电磁离合器皮带轮表面微小缺陷检测方法

作     者：丁建雄 万延见 柯海森 张砀砀 叶建甬 DING Jianxiong;WAN Yanjian;KE Haisen;ZHANG Dangdang;YE Jianyong

作者机构：中国计量大学机电工程学院浙江杭州310018 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2024年第37卷第7期

页      面：1154-1161页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：皮带轮 缺陷检测 深度学习 YOLOv4 

摘      要：针对电磁离合器皮带轮表面缺陷形态不一,尺寸小所带来的检测效率低精度差等问题,通过改进YOLOv4提出Pulley-YOLOv4模型进行检测。提出了改进空间金字塔池化模块,能够更有效地提取微小缺陷特征且更加准确地定位。在颈部网络与主干特征提取网络之间添加全局注意力机制,使模型能够抑制不重要特征,关注感兴趣的目标。实验表明,Pulley-YOLOv4模型平均精度均值为98.54%,FPS指数为15,综合实际生产速度和精度的要求,所提出的Pulley-YOLOv4在皮带轮表面微小缺陷检测方面具有明显优势并且满足实时性要求。