基于球面折反射成像和YOLOv7的内螺纹缺陷检测

作者：张诗婧; 莫绪涛^*; 赵行; 董杨林

来源：计算机工程, 2023, 1-13.

DOI：10.19678/j.issn.1000-3428.0068237

• 缺陷检测
• 内螺纹
• 机器视觉
• 球面折反射成像
• 深度学习

螺母因紧固零件的作用被广泛应用于机械制造环节，其内壁螺纹质量对于机械联接至关重要。为了实现螺母内螺纹的非接触缺陷检测，首先提出了一种基于球面折反射全景成像原理的图像采集装置，其次利用该装置采集图像数据集并提出了一种基于改进YOLOv7的缺陷检测算法。该成像装置具备一次性成像、无需伸入内壁、采集到的内螺纹图像细节完整等优势，有效地改进了传统视觉检测方案存在的成像分辨率低、相机视场占比小的问题。YOLOv7算法改进结合螺母内螺纹的缺陷特征，使用k-means++算法聚类锚框，使得模型训练更容易收敛。通过在特征融合网络中加入CA（Coordinate attention）注意力机制，提高网络的特征表达能力，使用SIoU（Scylla intersection over union）损失函数替换原YOLOv7模型中的CIoU（Complete intersection over union）损失函数，更好地估算模型的表现能力并获得较低的误差。实验表明，改进后的YOLOv7算法针对内螺纹缺口、漏攻牙、刮痕、碎屑四种缺陷类型，平均精度（AP）分别达96.89%、100%、98.07%、99.98%，平均精度均值（mAP）达到 98.74%，检测速度（FPS）达39.64，与其他常见的模型相比，算法精度最高，满足工业现场实时检测需求。

• 出版日期2023
• 单位安徽工业大学