文档名：基于改进DETR的机器人铆接缺陷检测方法研究
摘要：铆接作为铁道车辆结构件的主要连接方式,合格的铆接质量是车辆安全稳定运行的重要保证.针对现有铆接缺陷检测方法存在检测精度低、检测点位少、检测智能化水平不高等问题,提出一种基于改进DETR的机器人铆接缺陷检测方法.首先,搭建铆接缺陷检测系统,依次采集工件尺寸大、铆钉尺寸小工况下的铆接缺陷图像.其次,为了增强DETR模型在小目标中的图像特征提取能力和检测性能,以EfficientNet作为DETR中的主干特征提取网络,并将3-D权重注意力机制SimAM引入EfficientNet网络,从而有效保留图像特征层的镦头形态信息和铆点区域的空间信息.然后,在颈部网络中引入加权双向特征金字塔模块,以EfficientNet网络的输出作为特征融合模块的输入对各尺度特征信息进行聚合,增大不同铆接缺陷的类间差异.最后,利用SmoothL1和DIoU的线性组合改进原模型预测网络的回归损失函数,提高模型的检测精度和收敛速度.结果表明,改进模型表现出较高的检测性能,对于铆接缺陷的平均检测精度mAP为97.12%,检测速度FPS为25.4帧/s,与FasterRCNN、YOLOX等其他主流检测模型相比,在检测精度和检测速度方面均具有较大优势.研究结果能够满足实际工况中大型铆接件的小尺寸铆钉铆接缺陷实时在线检测的需求,为视觉检测技术在铆接工艺中的应用提供一定的参考价值.
Abstract：Rivetingisthemainconnectionmethodforstructuralcomponentsofrailwayvehicles,andqualifiedrivetingqualityisanimportantguaranteeforthesafeandstableoperationofvehicles.Aimingattheproblemsoflowdetectionaccuracy,fewdetectionpoints,andlowlevelofintelligentdetectioninexistingrivetingdefectdetectionmethods,arobotrivetingdefectdetectionmethodbasedonimprovedDETRwasproposed.First,arivetingdefectdetectionsystemwasestablished,whichsequentiallycollectedrivetingdefectimagesunderworkingconditionsoflargeworkpiecesizeandsmallrivetsize.Second,inordertoenhancetheimagefeatureextractionabilityanddetectionperformanceoftheDETRmodelinsmalltargets,EfficientNetwasusedasthebackbonefeatureextractionnetworkinDETR.The3DweightedattentionmechanismSimAMwasintroducedintotheEfficientNetnetwork,effectivelypreservingtheheadershapeinformationoftheimagefeaturelayerandthespatialinformationoftherivetpointarea.Then,aweightedbidirectionalfeaturepyramidmodulewasintroducedintothenecknetwork.TheoutputoftheEfficientNetnetworkwasusedastheinputofthefeaturefusionmoduletoaggregatethefeatureinformationateachscale,whichincreasedthevariationofdifferentrivetingdefects.Finally,theregressionlossfunctionoftheoriginalmodelpredictionnetworkwasimprovedbyusingthelinearcombinationofSmoothL1andDIoU,whichimprovedthedetectionaccuracyandconvergencespeedoftheDETRmodelfordefecttypes.Theexperimentalresultsshowthattheimprovedmodelexhibitshighdetectionperformance,withanaveragedetectionaccuracymAPof97.12%andadetectionspeedFPSof25.4f/sforrivetingdefects.ComparedwithothermainstreamdetectionmodelssuchasFasterRCNNandYOLOX,theimprovedmodelhassignificantadvantagesindetectionaccuracyanddetectionspeed.Theresearchresultscanmeetthedemandforreal-timeonlinedetectionofsmall-scalerivetrivetingdefectsinlargerivetedpartsunderactualworkingconditions,andprovidecertainreferencevaluefortheapplicationofvisiondetectiontechnologyinrivetingprocesses.
作者：李宗刚 宋秋凡 杜亚江 陈引娟Author：LIZonggang SONGQiufan DUYajiang CHENYinjuan
作者单位：兰州交通大学机电工程学院,甘肃兰州730070;兰州交通大学机器人研究所,甘肃兰州730070
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(4)
分类号：TP391
关键词：铆接缺陷检测 DETR EfficientNet 3-D注意力机制 多尺度加权特征融合
Keywords：rivetingdefectdetection DETR EfficientNet 3-Dattentionmechanism multi-scaleweightedfeaturefusion
机标分类号：TP391.41U270.11TN957.51
在线出版日期：2024年5月17日
基金项目：国家自然科学基金，甘肃省高等学校产业支撑计划项目，兰州交通大学军民融合创新团队培育基金资助项目，兰州交通大学百名青年优秀人才培养计划基金资助项目基于改进DETR的机器人铆接缺陷检测方法研究[
期刊论文] 铁道科学与工程学报--2024, 21(4)李宗刚 宋秋凡 杜亚江 陈引娟铆接作为铁道车辆结构件的主要连接方式,合格的铆接质量是车辆安全稳定运行的重要保证.针对现有铆接缺陷检测方法存在检测精度低、检测点位少、检测智能化水平不高等问题,提出一种基于改进DETR的机器人铆接缺陷检测方法.首...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进DETR的机器人铆接缺陷检测方法研究 Research on robot riveting defect detection method based on improved DETR
基于改进DETR的机器人铆接缺陷检测方法研究.pdf
- 文件大小:
- 3.74 MB
- 下载次数:
- 60
-
高速下载
|
|
