×

一种基于深度学习的焊点位置检测方法

消耗积分:0 | 格式:pdf | 大小:5.51 MB | 2021-03-17

  基于机器视觉的白车身焊点自动化检测为车身焊接质量控制提供了有效的途径,然而受环境光污染的影响,焊点自动化检测装备的机器视觉系统较难进行准确定位。为解决传统的图像处理方法受环境干扰大及鲁棒性差的问题,提出一种基于深度学习的焊点位置检测方法。引入 Mobilenetv2的卷积结构代替 YOLOV2的卷积层,并借鉴YOLOⅴ2的细粒度特征的方法,解决YOLOⅴ模型参数较多的问题。采用 Glou loss对模型的损失函数进行改进,利用K- means聚类算法得到适合焊点数据集的 anchor,从而获得高可靠性的轻量化白车身焊点位置检测模型rGM_YOLO。在白车身焊点测试集上进行测试,结果表明,与原 YOLO模型相比,该模型的平均精度提升了2.47%,模型参数约为原模型的1/16,检测速度提高2倍,大幅提高了检测效率。

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !