设计了一种基于机器视觉的焊接缺陷自动检测方法,用于实现板式换热器接头焊缝的无损检测。根据接头焊缝缺陷圆周分布的特点,设计了三相机采集平台,并提出了针对圆弧形ROI区域的提取-展开-检测(Extract-Unwrap-Detect,EUD)的检测策略。...设计了一种基于机器视觉的焊接缺陷自动检测方法,用于实现板式换热器接头焊缝的无损检测。根据接头焊缝缺陷圆周分布的特点,设计了三相机采集平台,并提出了针对圆弧形ROI区域的提取-展开-检测(Extract-Unwrap-Detect,EUD)的检测策略。首先使用改进的ORB(Oriented FAST and Rotated BRIEF)匹配算法定位并提取圆弧形ROI区域;然后引入圆弧展开算法将旋转目标检测转变为水平目标检测,降低检测难度同时提高目标检测精度;最后使用YOLOv5精确定位预测目标框的位置再将其映射回原图像。实验结果表明:EUD方法在验证集的mAP_(0.5)达到98.6%,较基于YOLOv5、RCNN的旋转目标检测模型分别提高了14.2%与16.2%;在测试集上EUD准确率达到96.9%,单张图片的检测时间小于300 ms,能够满足实际生产需求。展开更多
文摘设计了一种基于机器视觉的焊接缺陷自动检测方法,用于实现板式换热器接头焊缝的无损检测。根据接头焊缝缺陷圆周分布的特点,设计了三相机采集平台,并提出了针对圆弧形ROI区域的提取-展开-检测(Extract-Unwrap-Detect,EUD)的检测策略。首先使用改进的ORB(Oriented FAST and Rotated BRIEF)匹配算法定位并提取圆弧形ROI区域;然后引入圆弧展开算法将旋转目标检测转变为水平目标检测,降低检测难度同时提高目标检测精度;最后使用YOLOv5精确定位预测目标框的位置再将其映射回原图像。实验结果表明:EUD方法在验证集的mAP_(0.5)达到98.6%,较基于YOLOv5、RCNN的旋转目标检测模型分别提高了14.2%与16.2%;在测试集上EUD准确率达到96.9%,单张图片的检测时间小于300 ms,能够满足实际生产需求。
