仪器仪表学报

作者：高 嘉，刘 涛，王显峰，杜宏旺，史 震

单位：高 嘉,1.哈尔滨工程大学智能科学与工程学院,,刘 涛,1.哈尔滨工程大学智能科学与工程学院,,王显峰,1.哈尔滨工程大学智能科学与工程学院,,杜宏旺,1.哈尔滨工程大学智能科学与工程学院,,史 震,1.哈尔滨工程大学智能科学与工程学院,

关键词：曳引钢丝绳;TWRD;缺陷检测;YOLO

基金：国家市场监督管理总局科技计划项目(2020MK133)资助

曳引钢丝绳(TWR)在大型工业起重设备中发挥着重要的应用价值。在使用曳引钢丝绳作业的同时,也需要定期对曳引钢丝绳进行缺陷诊断避免安全事故发生。传统方法是人工目测方法,但该种方法检测时间长、效率低下。因此,本文提出了一种基于YOLOv5改进网络的曳引钢丝绳缺陷(TWRD)检测的网络算法,简称TWRD-Net。为了方便在算力较低的工业设备上进行部署,首先设计了轻量级的LW-C3模块,降低了模型的参数量以及计算开销;其次,改进PAN结构,设计了跨层级加权特征金字塔网络(CLW-FPN)结构,加强模型对于缺陷语义信息的提取、对缺陷位置信息的敏感度;最后,本文设计了β-CIoU损失函数,相较于CIoU损失函数,β-CIoU降低了边界框回归损失,并进一步提升了检测精度。本文建立了TWRD数据集,并使用TWRD-Net进行实验,实验结果表明,本文提出的TWRD-Net准确率可达98%,mAP可达99.4%,帧率可达151fps,对比其他主流检测模型实验结果,具有精度高、体积小和检测速度快的优势,可为工业设备质检人员提供参考依据。

来源：2023年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第6期