面向嵌入式平台的电缆部件缺陷检测

doi:10.13873/J.1000-9787(2023)08-0123-04

Chinese

您当前的位置：

首页 >

文章列表页 >

面向嵌入式平台的电缆部件缺陷检测

更新时间：2025-09-11

- 面向嵌入式平台的电缆部件缺陷检测
- Issue 8, Pages: 123-126(2023)
- 作者机构：
  
  苏州大学计算机科学与技术学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)08-0123-04
  CLC： TM24;TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (8): 123-126.
DOI：

[J]. 2023, (8): 123-126. DOI： 10.13873/J.1000-9787(2023)08-0123-04.

摘要

为实现自动检测电缆成品上的多个部件引起的产品缺陷，如部件次序错误、部件朝向错误等，设计了一种适用于嵌入式平台的电缆部件缺陷检测方法。该方法以YOLOv5目标检测神经网络作为基础，将其改造为Anchor-free网络使其在嵌入式设备有更快的运行速度，并使用迁移学习及数据增强的方式加快网络训练速度并增加精度。根据实验结果，将该方法应用于NVIDIA Jetson Nano平台，单张图片的平均检测时间仅需76 ms

缺陷检测准确率达99%以上，其中缺陷检出率为100%

可满足工业生产的需求。

Abstract

关键词

Keywords

references

基于YOLOv4的指针式仪表自动检测和读数方法研究[J]. 李俊;袁亮;冉腾.机电工程,2021(07)

一种结合机器视觉的工件喷涂质量检测方法[J]. 顾旭;郭锐锋;王鸿亮;张晓星.小型微型计算机系统,2022(02)

小样本学习研究综述[J]. 赵凯琳;靳小龙;王元卓.软件学报,2021(02)

基于DenseNet网络的焊缝缺陷检测识别[J]. 谷静;王琦雯;张敏;王金金.传感器与微系统,2020(09)

基于改进YOLOv3的有遮挡行人检测[J]. 梁礼明;邓广宏;卢明建;吴健.传感器与微系统,2020(05)

基于Otsu方法的钢轨图像分割[J]. 袁小翠;吴禄慎;陈华伟.光学精密工程,2016(07)

Visual-Based Defect Detection and Classification Approaches for Industrial Applications—A SURVEY[J]. Tamás Czimmermann;Gastone Ciuti;Mario Milazzo;Marcello Chiurazzi;Stefano Roccella;Calogero Maria Oddo;Paolo Dario.Sensors,2020

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

轻量化深度学习网络的条码定位算法

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于改进SSD的螺栓缺陷检测算法

基于无阈值递归图和CNN-LSTM的人体活动识别算法

Related Author

单彦虎

王子硕

储成群

高昕

赵兴龙

潘溢洲

吴恩启

段函作

Related Institution

中北大学仪器与电子学院

上海理工大学机械工程学院

新疆大学电气工程学院

河北省气象技术装备中心

河北科技大学信息科学与工程学院

⁰