基于深度学习的电磁离合器皮带轮表面微小缺陷检测方法OA北大核心CSTPCD

针对电磁离合器皮带轮表面缺陷形态不一,尺寸小所带来的检测效率低精度差等问题,通过改进YOLOv4提出Pulley-YOLOv4模型进行检测。提出了改进空间金字塔池化模块,能够更有效地提取微小缺陷特征且更加准确地定位。在颈部网络与主干特征提取网络之间添加全局注意力机制,使模型能够抑制不重要特征,关注感兴趣的目标。实验表明,Pulley-YOLOv4模型平均精度均值为98.54%,FPS指数为15,综合实际生产速度和精度的要求,所提出的Pulley-YOLOv4在皮带轮表面微小缺陷检测方面具有明显优势并且满足实时性要求。