SF-YOLONet的金属齿轮端面缺陷检测方法及系统技术方案

本发明专利技术属于图像处理检测技术领域，尤其涉及一种SF‑YOLONet的金属齿轮端面缺陷检测方法及系统。首先获取金属齿轮端面缺陷检测图像；其次通过利用改进的SF算法对原始图像进行图像预处理；再对处理后的图像中缺陷类型和缺陷位置进行标注；利用数据增强技术扩充数据，将其制作成数据集；然后基于YOLOv5s网络模型进行改进，添加重复加权双向多尺度的融合策略和自适应卷积注意力机制模块；最后用金属齿轮端面缺陷数据集中测试集对模型进行测试，结果表明,SF‑YOLONet模型在齿轮端面缺陷测试集上的平均精度达到了98.01％,F1值为0.99,FPS值为40。本发明专利技术为解决金属齿轮端面缺陷检测过程中,齿轮非检测区域影响检测精度以及缺陷的小尺寸和多尺度检测难的问题提供了一种检测方法。

【技术实现步骤摘要】

本专利技术属于图像处理检测，尤其涉及一种sf-yolonet的金属齿轮端面缺陷检测方法。

技术介绍

1、随着工业生产的不断发展，企业更加注重追求更高的质量检测。而金属齿轮的端面缺陷，如断齿和划痕，是齿轮制造企业面临的一项重要任务。金属齿轮端面缺陷主要是因为齿轮在生产过程中由于硬质异物的存在、刀具损伤、加工参数不合适、加工液质量不良、加工设备的质量以及维护不良等因素产生。其端面缺陷可能导致齿轮端面的质量变差，影响齿轮与其他齿轮的配合质量，进而减少齿轮的使用寿命，可能还会增加齿轮的磨损，产生噪音和震动，甚至导致齿轮失效。因此，对于金属端面缺陷的检测是非常有必要的。目前在进行齿轮缺陷检测时，大多是通过人工目测判断是否有缺陷，这样不仅效率较低，而且对于一些尺寸小的缺陷判断时，个人主观因素会影响最后的检测结果，并且部分中大型齿轮不便进行人工检测。

2、伴随着人工智能的迅速发展与机器视觉算法的日益成熟，机器视觉在人脸识别、图像分类、目标检测等方面具有更加优异的性能比。其中机器视觉又包含了很多种检测方法。例如foivos等人通过灰度差分算法对经过矩阵变换配准本文档来自技高网...

【技术保护点】

1.一种SF-YOLONet的金属齿轮端面缺陷检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的SF-YOLONet的金属齿轮端面缺陷检测方法，其特征在于，步骤S2中所述的图像预处理，预处理过程包括以下步骤：

3.如权利要求2所述的SF-YOLONet的金属齿轮端面缺陷检测方法，其特征在于，步骤S201中，显著性区域提取通过SF算法完成，包含转换Lab模式、阈值处理、高斯滤波、显著值计算、归一化处理；

4.如权利要求2所述的SF-YOLONet的金属齿轮端面缺陷检测方法，其特征在于：步骤S202中图像灰度转换处理，通过加权平均法，将采集的金属...

【技术特征摘要】

1.一种sf-yolonet的金属齿轮端面缺陷检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的sf-yolonet的金属齿轮端面缺陷检测方法，其特征在于，步骤s2中所述的图像预处理，预处理过程包括以下步骤：

3.如权利要求2所述的sf-yolonet的金属齿轮端面缺陷检测方法，其特征在于，步骤s201中，显著性区域提取通过sf算法完成，包含转换lab模式、阈值处理、高斯滤波、显著值计算、归一化处理；

4.如权利要求2所述的sf-yolonet的金属齿轮端面缺陷检测方法，其特征在于：步骤s202中图像灰度转换处理，通过加权平均法，将采集的金属工件表面图像数据转换成灰度图像，加权平均法的公式为：

5.如权利要求1所述的sf-yolonet的金属齿轮端面缺陷检测方法，其特征在于：步骤s4所提的yolonet模型，在yolov5模型的基础上添...

【专利技术属性】
技术研发人员：王宸，杨帅，周林，华珀玺，
申请(专利权)人：湖北汽车工业学院，
类型：发明
国别省市：