基于卷积神经网络的零件圆检测方法

来源：计算机技术与发展杂志2023年第11期北京时间：

作者：曾碧卿;杨睿;';李一娴;张雅蓉

单位：1. 华南师范大学 软件学院,广东 佛山 528225;2. 季华实验室,广东 佛山 528200

摘要：在零件生产的场景中往往需要对零件产品进行质量检测,多孔零件中的圆孔是否符合生产标准也是质量检测中的重要环节。 为解决传统圆检测算法无法处理复杂场景下特定圆的检测问题,该文设计了一种基于卷积神经网络的零件圆检测方法,将圆检测分为 3 个阶段,第 1 阶段使用 YOLOv5 目标检测模型对零件图片中的目标圆进行粗检测,将多圆检测问题简化为单圆检测,获得含有单个目标圆的裁剪图片;第 2 阶段使用 BiSeNet 语义分割模型对单圆图片进行细检测,获得圆轮廓掩膜图;第 3 阶段使用改进的随机霍夫变换对圆参数进行检测,最终得到图中所有目标圆的半径与圆心坐标。经实验结果对比,该方法在多种阈值条件下的检测精度都高于其他对比方法,在 IoU 阈值为 0. 9 的情况下 F-meausre 达到96% ,能满足生产场景中的实时检测需求。

关键词：圆检测;卷积神经网络;目标检测;语义分割;霍夫变换