【摘 要】
：
在汽车生产线中,涂胶缺陷是指在工业生产中由于机器人与汽车接触问题、胶量问题以及技术问题出现的漏胶、断胶、胶体过窄、胶体过宽等现象。汽车涂胶缺陷危害巨大,甚至危害人类生命,本课题针对汽车的涂胶质量检测研究了一套基于卷积神经网络的涂胶缺陷目标检测技术。目的在于为汽车制造业行业提供一种高效的、有实用价值的汽车涂胶检测技术手段,帮助企业更好控制涂胶质量,同时节约成本,并且提高生产率。目前,基于是视觉的汽车
论文部分内容阅读
在汽车生产线中,涂胶缺陷是指在工业生产中由于机器人与汽车接触问题、胶量问题以及技术问题出现的漏胶、断胶、胶体过窄、胶体过宽等现象。汽车涂胶缺陷危害巨大,甚至危害人类生命,本课题针对汽车的涂胶质量检测研究了一套基于卷积神经网络的涂胶缺陷目标检测技术。目的在于为汽车制造业行业提供一种高效的、有实用价值的汽车涂胶检测技术手段,帮助企业更好控制涂胶质量,同时节约成本,并且提高生产率。目前,基于是视觉的汽车涂胶缺陷检测主要应用人工特征提取算法结合分类器进行缺陷分类。但由于涂胶缺陷多样且传统机器视觉模型泛化能力较差导致漏检率高、不能满足实时的问题。因此本文将基于卷积神经网络的目标检测算法应用在汽车涂胶缺陷检测上,能够实现对汽车涂胶缺陷进行自动特征提取并实现缺陷的分类与缺陷位置定位。本文将基于深度学习的目标检测算法应用在汽车涂胶缺陷检测与识别中,搭建了单阶段和两阶段经典算法Faster R-CNN、SSD、YOLOv3网络检测模型以研究不同网络结构在汽车涂胶缺陷数据集的检测和分类效果。并对网络的训练过程及实验结果对比分析进行了阐述,最终选m AP较优的YOLOv3作为本实验最终网络模型。为了优化本文涂胶检测模型,对YOLOv3算法在涂胶缺陷数据表现不足之处进行改进。为了提高检测精度并减少漏检现象,本文应用DIOU对算法的损失函数进行更改,同时用DIOU优化NMS算法,并根据本文数据集特点应用K-Means++算法重新聚类anchor box。最后为了提升检测速度减少参数量对网络进行轻量化,使用深度可分离卷积代替特征提取网络的标准卷积。从本文实验结果表明,基于改进后YOLOv3算法提升了涂胶检测模型的检出速度、精确率以及定位精度,不仅能够降低人工检测的经验误差、而且避免了传统视觉方法中复杂的特征构建。
其他文献
本文针对基于深度学习的三维物体建模方法开展研究,从多模态特征融合和基于多网络协同学习的角度探索提高三维模型生成精度的方法。研究了基于多视角和单视角的三维模型生成方法并提出改进措施。本课题的主要成果包括以下几个方面:针对三维模型特征提取的问题,本文提出一种基于自编码网络的改进网络,从原始的三维物体模型中重构出该目标物体的三维模型,并得到输入原始三维模型的鲁棒性特征表示。实验表明,该自编码网络取得了比
在21世纪,随着我国科技发展的不断进步,汽车已经成为人们出行的主要交通工具,也成为了每家每户必不可少的日常用具之一,随着汽车行业发展的不断推进和汽车数量的逐渐扩增,城市的交通拥堵也日益增大,同时道路交通的管制也变得越发困难。道路拥堵、事故多发等因素,不仅对交通管制形成了严峻挑战,也同时对驾驶员增加了巨大的压力。道路交通标志物可以起到对驾驶员传递指路、警示、限制等重要信息,可以引导驾驶员安全驾驶,保
水下传感器网络（Underwater sensor networks,UWSNs）被广泛应用在监测海洋环境、探测海底目标及收集海洋数据等方面,引起了军民两领域的密切关注。UWSNs的特点是采用声波通信,由于水声信道具有低带宽、长传播时延和高误码率等特点,因此,构建高效的通信网络非常重要。要实现数据的高效传输,关键之一是根据水声信道特点设计MAC协议。本文针对大规模水声异构传感器网络的特点和水声信道
近年来,随着深度学习技术在计算机视觉领域的广泛应用,图像语义分割问题吸引了大量计算机视觉研究者。其作为计算机视觉任务中一个重要的组成部分,被广泛应用与各行各业。例如自动驾驶、医学影像分割、行人检测、室内机器人等领域。其主要任务是在复杂的实际应用场景中对图像中的每个像素点进行类别区分。为了实现在室内环境下对人物进行精准的语义分割,综合考虑室内环境下的语义分割难点,基于深度学习模型,开展室内环境下的语
人脸属性生成和风格迁移作为计算机视觉的研究重点,已经广泛的被应用于人脸数据扩充、人机交互、虚拟机器人、人脸修复等诸多领域。2014年,Goodfellow首次提出生成对抗网络GAN,其模型任务旨在实现图片以假乱真,这使得人脸属性生成和风格迁移得到了迅速的发展,越来越多的人对该网络进行研究,通过对GAN的改进也得到了许多变种网络,在不同方面的改进使得网络的效果得到了巨大的提升。但是在人脸属性生成过程
自整定方法在工业控制过程中被广泛应用,主要是由于其具有自动化和智能化的特点。在工业应用中,控制器性能质量直接关系到控制系统的好坏,影响产品质量的好坏。因此,确保控制器性能良好尤其重要。PID控制器作为一个常用的控制器,它的整定方法具有很多种,主要是通过控制要求及环境等条件不同,采用不同的控制方法,在选择控制方法中需要充分的考虑到算法的可行性、收敛性,并且对算法要综合考虑负载干扰、环境干扰等因素造成
磁控形状记忆合金（Magnetically Controlled Shape Memory Alloy,简称MSMA）是一种近年来新兴的智能材料。与已知的压电陶瓷和形状记忆合金相比,它具有输出形变量大、响应速度快、能量转换率高等优点。MSMA材料在磁场的作用下可以获得较大的形变量,并在磁场消失后还可以维持较大的形变量,称为材料的正特性;同时,MSMA材料也可以在力的作用下,随着MSMA材料的形变引
复杂面部表情图像生成是深度学习中的一个研究热点。在虚拟化战场推演中,多智能体识别敌方的复杂表情,根据面部反映的不同表情做出战略调整。高质量的面部表情图像生成可提高多智能体表情识别的准确率,促使推演系统高效地做出最优作战策略。警员学习不同情境下推演出的制胜策略,及时准确地制止现场犯罪活动,给处理复杂的真实场景提供经验,对保障国家和人民安全具有重要的实用价值。复杂面部表情生成实质体现在表情强度可控,而
近年来互联网、机器学习、人工智能、边缘计算等高端技术的发展越来越迅速,在技术的不断融合与创新中,也促进了我国的高端制造业的发展。主要体现在生产更智能化,生产效率更高效化、生产的工业产品流程更复杂化等方面。复杂的工艺流程意味着工厂进行每一步操作都可能有异常工况的发生,工业现场的复杂化给工艺产品高质量生产带来了巨大挑战。工业控制系统是整个工业生产的“大脑”,工业控制系统的安全是国家与企业的关注所在。本
人体姿态生成作为深度学习和计算机视觉领域的研究热点,已经被广泛的应用在人机交互、医疗辅助、智能监控识别等诸多领域。近年来,随着人工智能的兴起,利用生成式对抗网络的理念进行人体姿态生成的研究已经受到了越来越多的学者关注,并基于生成式对抗网络提出了很多改进的生成方法和理论,但是在人体姿态图像生成的过程中仍有训练过程不稳定,生成图像特征的不可控,以及生成图像质量不够的问题。本文针对在人体姿态图像生成过程