基于改进YOLOX算法的铝铸件表面成孔缺陷检测研究
Special Casting & Nonferrous Alloys（2023）
Abstract
针对铸件在铸造过程中易出现漂芯、漏芯等成孔类缺陷,采用视觉检测时铸件与背景特征相近,产生特征网络提取能力欠缺的问题,提出改进YOLOX的铝铸件表面成孔缺陷检测方法.构建成孔缺陷数据集;引人SE注意力机制,提升特征重用率;替换原卷积块为CBH,稳定特征拟合过程;完善CIOU边界框回归损失函数,加速模型收敛.试验证明,改进模型在铝铸件缺陷数据集的平均检测精度提升至97.13％,单图推理速度为0.016 2 s,可快速准确地完成铝铸件表面缺陷检测.
MoreKey words
Aluminum Casting,Surface Defect Detection,End-to-End,Deep Learning,Attention Mechanism
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined