基于改进YOLOx网络的金属齿轮表面缺陷检测方法

作者：**文; 钟振宇; 朱大虎^*

来源：激光与光电子学进展, 2023, 60(22): 280-290.

DOI：10.3788/lop230469

• 机器视觉
• 齿轮缺陷检测
• YOLOx算法
• 注意力机制
• 特征融合

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。

• 出版日期2023
• 单位武汉理工大学; 现代汽车零部件技术湖北省重点实验室