-
题名基于卷积神经网络的汽车灯座缺陷检测
- 1
-
-
作者
章宝明
王疆瑛
-
机构
国家中小型轴承产品质量检验检测中心(浙江)
中国计量大学材料与化学学院
-
出处
《内燃机与配件》
2025年第3期65-67,共3页
-
文摘
为了满足汽车车灯灯座毛刺、裂痕和注塑缺胶等缺陷问题的设计需求,通过对卷积神经网络的研究来实现对汽车车灯灯座进行缺陷检测,建立缺陷样品的标准数据集,采取Faster-RCNN、YOLOv3和YOLOv4算法对缺陷数据集进行训练,经过实验数据表明,Faster-RCNN和YOLOv3算法的准确率均能达到70%左右,而YOLOv4能达到75%左右,并进一步通过对YOLOv3模型中的CresX结构改进,将残差单元连接,让输入的特征分两部分进行卷积,提高特征的重用性,能够提升其准确率达到86.2%,结果分析表明基于本文模型的卷积神经网络在一定程度上能实现汽车车灯灯座的缺陷检测要求的有效性与准确性。
-
关键词
缺陷检测
卷积神经网络
YOLOv3算法
改进YOLOv3模型
-
Keywords
Defect detection
Convolutional neural network
YOLOv3 algorithm
Improved YOLOv3 model
-
分类号
U463.9
[机械工程—车辆工程]
-
