基于深度学习的车灯零部件缺陷检测系统设计

目的:针对车灯零部件毛刺等缺陷目标太小导致检测不够精确的问题,研发一套基于深度学习的缺陷检测系统.方法:搭建了缺陷检测系统,对实际图像进行标注作为缺陷数据集,对YOLOv3网络结构在小毛刺目标检测中的问题进行分析,提出改进CresX结构将残差单元连接,让输入的特征分两部分进行卷积,同时改进原始特征层大小,并用改进的YOLOv3模型对数据进行训练.结果:对比其他深度学习模型,改进的YOLOv3模型的准确率可达86.2％,检测速度相较于人工检测速度提升3～4倍.结论:本文通过基于深度学习算法设计的缺陷检测系统,在工业上具有一定的应用价值.