基于深度学习的铜封帽内螺纹缺陷检测研究

针对铜封帽内螺纹裂纹缺陷检测目前存在检测速度慢、检测精度低、稳定性及泛化能力差等问题，提出了一种改进的YOLOv3模型算法来检测铜封帽内螺纹裂纹缺陷。首先，通过坐标极化对样本图片进行特征增强；然后采用K-means++聚类算法对数据集进行尺度分析；再利用SqueezeExcitation模块对YOLOv3模型检测部分进行改造，在3个特征尺度特征的输出部位均添加此模块，提升模型对有效特征的响应；最后，模型分别与Faster-R-CNN、SSD的检测结果进行比较。实验结果表明，基于深度学习改进的YOLOv3算法优于其他检测算法，其缺陷的检测精度为96.3%、检测速率为44FPS,能够实现铜封帽内螺纹裂纹缺陷的精确检测和识别，满足生产部门对铜封帽检修的需求。