论文部分内容阅读
为解决工业制造中齿轮缺陷检测难的问题,提出一种基于改进的YOLOv3网络的缺陷检测方法。首先构建齿轮缺陷图像数据集,包括图像采集与扩充和缺陷标注;其次采用密集连接网络(DenseNet)结构代替原有的网络结构,提高特征提取能力;最后增加网络预测尺度,提高对于小尺寸缺陷的检测能力。利用齿轮缺陷图像对该方法进行验证,发现所提方法的平均精确率均值比YOLOv3网络提高了3.87%,对齿轮缺失部分的精确率提高了5.7%。与YOLOv3网络相比,所提方法在齿轮缺陷检测上有一定的先进性和有效性。