基于弱光增强与YOLO算法的锯链缺陷检测方法

来源：电子测量技术杂志2024年第6期北京时间：

作者：张福豹，吴婷，赵春峰，魏贤良，刘苏苏

单位：1.南通大学机械工程学院 南通 226019; 2.硕与硕(江苏)智能科技有限公司 南通 226499

摘要：在基于机器视觉的锯链缺陷实时检测过程中，油污、粉尘等因素影响图像亮度和质量，导致目标检测网络的特征提取能力下降。为保证复杂环境下锯链缺陷检测的准确率，本文设计了一种结合弱光增强和YOLOv3算法的锯链自动化缺陷检测方法。首先使用RRDNet网络自适应增强锯链图像亮度，恢复图像暗区的细节特征；然后采用改进YOLOv3算法对锯链零件进行缺陷检测，增加FPN结构特征输出图层，利用Kmeans聚类算法对先验框参数重新聚类，并引入GIoU损失函数来提高小目标的缺陷检测精度。最后搭建一套锯链缺陷在线检测系统，对所提方法进行验证。实验结果表明，该方法能够显著提高弱光环境下的锯链图像照度、恢复图像细节，改进YOLOv3算法的mAP值为92.88%，相比原始YOLOv3提高14%，最终系统整体的漏检率降低到3.2%，过检率也降低到9.1%。所提出的方法可实现弱光场景下锯链缺陷的在线检测，并且对多种缺陷有着较高的检测精度。

关键词：锯链;弱光增强;YOLOv3;缺陷检测

基金资助：南通市基础科学研究项目(JC12022023)、国防科工委(6142606211108)项目资助