资料下载
×
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
分享资料个
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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
