汽车后雨刮装配中支撑塑料帽在线缺陷检测

中文关键词: 机器视觉  目标检测  卷积神经网络  YOLO v3

中文摘要:

      摘 要：针对支撑塑料帽这种薄壁、小型零件在汽车后雨刮器齿轮连杆机构自动装配中存在裂纹、破损及漏装等 多类型缺陷，导致人工很难在线识别、传统机器视觉辨识度不高的问题，本文在基于 YOLO v3 网络多目标缺陷检 测算法的基础上，采用 k-means 聚类方法，使用平均重叠度重新选取目标区域候选边界框尺寸加快了目标检测识 别速度及精度；同时使用 Mish 激活函数替换 YOLO v3 网络普遍采用的 Leaky ReLU 激活函数，强化了网络学习能 力。实验结果表明，相较于传统的 YOLO v3 算法，本文改进的 YOLO v3 具有更高的检测精度和检测速度。该在线 缺陷检测方法成功应用在实际汽车后雨刮自动装配线中，满足了支撑塑料帽在线缺陷检测的速度和精度要求，有 效地提高了汽车后雨刮器齿轮连杆机构总成装配质量。

英文摘要: