科研之友
微信
新浪微博
Facebook
分享链接
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。
