基于弱光增強(qiáng)與YOLO算法的鋸鏈缺陷檢測方法

摘要： 在基于機(jī)器視覺的鋸鏈缺陷實(shí)時檢測過程中,油污、粉塵等因素影響圖像亮度和質(zhì)量,導(dǎo)致目標(biāo)檢測網(wǎng)絡(luò)的特征提取能力下降。為保證復(fù)雜環(huán)境下鋸鏈缺陷檢測的準(zhǔn)確率,本文設(shè)計(jì)了一種結(jié)合弱光增強(qiáng)和YOLOv3算法的鋸鏈自動化缺陷檢測方法。首先使用RRDNet網(wǎng)絡(luò)自適應(yīng)增強(qiáng)鋸鏈圖像亮度,恢復(fù)圖像暗區(qū)的細(xì)節(jié)特征;然后采用改進(jìn)YOLOv3算法對鋸鏈零件進(jìn)行缺陷檢測,增加FPN結(jié)構(gòu)特征輸出圖層,利用K-...