机床与液压

作者：赵祺，刘国宁，吕展博，张峰源

单位：郑州大学机械与动力工程学院；郑州大学机械与动力工程学院；郑州大学机械与动力工程学院；郑州大学机械与动力工程学院

关键词：缺陷检测;机器视觉;Mask R-CNN;深度学习

基金：河南省产学研重点支持项目（172107000008）

在法兰表面缺陷检测任务中，为了对缺陷进行精准定位和分类，根据缺陷位置和类别综合判定法兰是否符合特定标准的质量要求，结合缺陷特征和相应标准，提出一种基于视觉技术和Mask R-CNN的法兰表面缺陷检测与评估方法。依据法兰的适用原则和缺陷判定标准对法兰表面进行区域划分。通过搭建图像采集平台，采集图像并对其进行预处理操作后添加至网络训练集中。采用Mask R-CNN作为缺陷检测网络的基本框架，结合法兰表面缺陷特点改进Mask R-CNN骨干网络和颈部网络，并对网络性能进行验证。最后，根据检测标准，使用边缘检测算法对模型检测结果进行复检。结果表明：改进后的方法能够实现精确的定位并进行质量评估，满足法兰表面缺陷检测的要求。

来源：2024年第21期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第21期