1 武汉理工大学汽车工程学院现代汽车零部件技术湖北省重点实验室，湖北 武汉 430070
2 武汉理工大学汽车工程学院汽车零部件技术湖北省协同创新中心，湖北 武汉 430070
针对工业干扰环境下金属齿轮表面缺陷自动化检测容易出现误检和漏检的问题，提出一种改进的YOLOx算法。首先，通过adaptively spatial feature fusion（ASFF）充分利用不同尺度下缺陷和干扰项的特征之间的差异，提高模型的抗干扰能力；接着，通过efficient channel attention（ECA）模块，增加网络的特征提取能力；最后，修改置信度损失函数为Varifocal损失函数，减少困难样本对网络的干扰。实验结果表明，改进的YOLOx网络与原版相比在召回率、准确率和平均精度均值上分别提升6.1个百分点、4.6个百分点和9.4个百分点。
机器视觉 齿轮缺陷检测 YOLOx算法 注意力机制 特征融合 激光与光电子学进展
2023, 60(22): 2215005
1 北京工业大学北京市精密测控技术与仪器工程技术研究中心，北京 100124
2 河南科技大学河南省机械设计及传动系统重点实验室，河南 洛阳 471003
相对于接触式测量，机器视觉检测这种非接触式测量具有效率高、信息全、稳定性好、可识别缺陷等优点，在齿轮检测领域得到越来越广泛的应用。近十年来出现了影像仪、闪测仪、CVGM仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器，它们既可以实现齿轮综合式测量，又可以实现齿轮分析式测量。回顾了齿轮视觉检测仪器的发展历程和特点，分析了齿轮视觉检测中边缘检测、亚像素定位、特征提取和模式识别等算法的研究和应用进展，总结了机器视觉在齿轮精度测量和齿轮缺陷检测两个方面的技术发展，并指明了齿轮视觉检测仪器与技术的发展前景。
机器视觉 齿轮测量 齿轮视觉检测仪器 齿轮精度测量 齿轮缺陷检测 激光与光电子学进展
2022, 59(14): 1415006
