仪器仪表学报

作者：陶晓天，何博侠，张鹏辉，田德旭

单位：陶晓天,1.南京理工大学机械工程学院,,何博侠,1.南京理工大学机械工程学院,,张鹏辉,1.南京理工大学机械工程学院,,田德旭,1.南京理工大学机械工程学院,

关键词：航天密封圈;深度学习;分解卷积;RetinaNet;缺陷检测

基金：国家自然科学基金(51575281)、中央高校基本科研业务费专项资金(30916011304)项目资助

针对航天密封圈表面缺陷人工检测效率低、传统图像处理检测算法通用性差的问题,提出了两种基于深度学习的密封圈表面缺陷检测算法。首先,针对缺陷大部分为小目标的特点,选取对小目标较敏感的RetinaNet网络作为检测算法的基本架构,通过在RetinaNet网络中引入轻量级网络MoGaA构建出MoGaA-RetinaNet算法。然后,为了提高检测精度,在MoGaARetinaNet基础上,用分解卷积模块代替MoGaA骨干网络中的深度卷积构建了newMoGaA骨干网络,设计出newMoGaARetinaNet算法。最后,在测试集上的实验结果表明,MoGaA-RetinaNet算法比RetinaNet算法检测速度更快,但检测准确率略低;而newMoGaA-RetinaNet算法实现了检测精度与检测速度的良好平衡,比RetinaNet算法准确率提升4.5%,达到92%,检测速度提升55%,达到31frame/s,网络参数量减少50%。所设计的newMoGaA-RetinaNet算法可以实现密封圈表面缺陷的快速准确检测。

来源：2021年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第1期