机床与液压

作者：刘荣光，朱传军，成佳闻，王林琳

单位：湖北工业大学机械工程学院；湖北工业大学机械工程学院；华中科技大学数字制造装备与技术国家重点实验室；湖北工业大学机械工程学院

关键词：冲压件缺陷识别;VGG13;数据增强;CBAM模块

基金：国家自然科学基金国际(地区)合作与交流项目（51861165202）；广东省重点领域研发计划项目 (2019B090921001)；湖北工业大学博士科研启动基金项目（BSQD2019010）

针对现有冲压件制品缺陷检测方法准确率低的问题，分析深度学习的原理与方法，以VGG13网络为基准模型，通过在特征提取层之后增加CBAM模块进行改进，提出5种基于VGG13与CBAM注意力机制模块相结合的网络模型（VGG13-CBAM），将改进后的新模型与改进前原VGG13模型分别在武汉某制造车间采集的冲压件缺陷数据集上进行实验研究。将数据集以6∶2∶2划分为训练集、验证集、测试集，并使用数据增强进一步扩充训练集，增加模型泛化性能，对比数据增强前后效果的提升。实验结果表明：在改进后的VGG13-CBAM03网络与VGG13-CBAM04网络上效果明显提升，测试集正确率由79.65%分别提高到了81.55%和81.40%，在使用数据增强对训练集进行扩充后，测试集正确率分别达到84.25%和84.15%，有效提升了冲压件缺陷检测准确率。

来源：2024年第2期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第2期