期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv8模型的增材制造微小气孔缺陷检测及其尺寸测量
被引量：
4
1
作者
蔡引娣
张殿鹏
+3 位作者
孙梓盟
王宇轩
朱祥龙
康仁科
《光学精密工程》
CSCD
北大核心
2024年第21期3222-3230,共9页
针对增材制造零件表面小缺陷检测中存在的准确率低和尺寸测量困难的问题,基于改进的YOLO v8提出了一种缺陷检测方法。在YOLOv8模型的检测头部引入高效通道注意力机制模块,同时采用加权交并比损失函数替换原有损失函数,减少低质量样本影...
针对增材制造零件表面小缺陷检测中存在的准确率低和尺寸测量困难的问题,基于改进的YOLO v8提出了一种缺陷检测方法。在YOLOv8模型的检测头部引入高效通道注意力机制模块,同时采用加权交并比损失函数替换原有损失函数,减少低质量样本影响,提升检测精度。针对高分辨率图像数据集训练困难且易出现过拟合的问题,在训练阶段对包含目标缺陷的局部特征以中心为基准进行裁剪的方法生成训练集。在推理阶段,采用滑窗切分法将待测高分辨率图像裁剪成一组小图像进行预测,从而得到缺陷图像块。检测后的缺陷图像块被视为感兴趣区域,并通过计算机视觉中的边缘检测方法实现缺陷尺寸的精密测量。实验证明,改进模型的准确率达94.3%,召回率为93.3%,mAP50达到97.3%,缺陷尺寸的测量精度可达到40μm,显著提升了增材制造零件表面缺陷的检测准确率。
展开更多
关键词
精密测量
计算机视觉
深度学习
缺陷检测
高分辨率图片
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8模型的增材制造微小气孔缺陷检测及其尺寸测量
被引量：
4
1
作者
蔡引娣
张殿鹏
孙梓盟
王宇轩
朱祥龙
康仁科
机构
大连理工大学机械工程学院
出处
《光学精密工程》
CSCD
北大核心
2024年第21期3222-3230,共9页
基金
国家重点研发计划资助项目(No.2022YFB4600903)
国家自然科学基金联合基金集成项目(No.U23B6005)
中央高校基本科研业务费资助项目(No.DUT24MS005)。
文摘
针对增材制造零件表面小缺陷检测中存在的准确率低和尺寸测量困难的问题,基于改进的YOLO v8提出了一种缺陷检测方法。在YOLOv8模型的检测头部引入高效通道注意力机制模块,同时采用加权交并比损失函数替换原有损失函数,减少低质量样本影响,提升检测精度。针对高分辨率图像数据集训练困难且易出现过拟合的问题,在训练阶段对包含目标缺陷的局部特征以中心为基准进行裁剪的方法生成训练集。在推理阶段,采用滑窗切分法将待测高分辨率图像裁剪成一组小图像进行预测,从而得到缺陷图像块。检测后的缺陷图像块被视为感兴趣区域,并通过计算机视觉中的边缘检测方法实现缺陷尺寸的精密测量。实验证明,改进模型的准确率达94.3%,召回率为93.3%,mAP50达到97.3%,缺陷尺寸的测量精度可达到40μm,显著提升了增材制造零件表面缺陷的检测准确率。
关键词
精密测量
计算机视觉
深度学习
缺陷检测
高分辨率图片
Keywords
precision measurement
computer vision
deep learning
defect detection
high-resolution images
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv8模型的增材制造微小气孔缺陷检测及其尺寸测量
蔡引娣
张殿鹏
孙梓盟
王宇轩
朱祥龙
康仁科
《光学精密工程》
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
