基于机器视觉的滤网缺陷检测与尺寸测量技术研究.pdf

摘要

为了解决人工检测表面缺陷与测量尺寸中存在的检测误差，满足当今生产的需求，

本文基于机器视觉的方法对滤网表面缺陷检测与尺寸测量技术进行研究，并设置了一种

智能化滤网自动检测设备，主要是用来检测滤网表面缺陷和测量滤网尺寸，是集结机械

设计与制造、软件技术与调试、硬件技术于一体的自动化智能检测装置。因此，对滤网

的表面缺陷检测与尺寸精度测量具有重要的意义。

本文基于机器视觉对滤网缺陷检测与尺寸测量技术进行研究，选取汽车安全气囊发

生器中的滤网作为研究对象，对其内径、外径、高度的尺寸测量和表面缺陷问题进行了

相关技术研究，主要工作如下：

（1）针对滤网尺寸测量中，人工测量工作效率低、测量误差大等一系列问题，本文

提出了一种基于视觉检测的过滤网尺寸测量方法。首先对采集图像进行预处理，接着，

内外径测量采用Canny算子提取轮廓边缘，高度测量采用Soble算子提取轮廓边缘，最

后通过最小二乘法进行拟合。实验结果表明:该方法检测的内外径误差不超过0.7%、高

度测量误差不超过1.4%，重量估计误差不超过0.05g，精度得到显著提升。

（2）提出了改进YOLOv5的深度学习缺陷检测技术，以解决手动检测滤网表面问

题的有效性不足的问题。首先，该方法在Backbone网络的最后一层结合了挤压和激励

（SE）注意力机制模块，基于通道域视角为图像位置分配权重，以获得更多的特征信息。

与一个简单的、无参数的无通道注意力机制模型（SimAM）进行了比较，检测结果高于

SimAM0.7%；其次，颈部网络采用双向特征金字塔网络（BiFPN）模块取代了基本的

PANet结构，引入了多尺度特征融合。实验结果表明，本文改进的YOLOv5算法在数据

集上的平均缺陷检测准确率为97.7%，分别比FasterR-CNN、YOLOv5、YOLOv3、SSD、

YOLOv7和YOLOv8高12.8%、2%、11.3%、7.8%、5.1%和1.5%。它可以快速准确地

识别过滤器表面的各种缺陷，对过滤器制造业有着突出的贡献。

关键词：滤网表面缺陷，深度学习，机器视觉，尺寸测量，YOLOv5

I

ABSTRACT

Inordertosolvethedetectionerrorsinmanualdetectionofsurfacedefectsandmeasurementof

dimensions,andmeettheneedsoftodaysproduction,thispaperstudiesthedetectionandmeasurement

technologyoffiltersurfacedefectsbasedonmachinevisionmethods,andsetsupanintelligentfilter

automaticdetectionequipment.Itismainlyusedtodetectfiltersurfacedefectsandmeasurefiltersize

equipment.Itisanautomatedintelligentdetectiondevicethatintegratesmechanicaldesignand

manufacturing,softwaretechnologyanddebugging,andhardwaretechnology.Therefore,thedetectionof

surfacedefectsandmeasurementofdimensionalaccuracyoffiltersareofgreatsignificance.

Thisarticleisbasedonmachinevisiontostudythedefectdetection