公开(公告)号：CN119444673A

公开(公告)日：2025-02-14

申请号：CN202411414591.7

申请日：2024-10-11

Applicant: 南昌大学

Inventor： 朱小刚 ,  严之寒 ,  贺希楠 ,  丁峰 ,  华鑫

IPC: G06T7/00 ,  G06V10/30 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种基于深度学习的铜合金元件质量检测方法，S1：通过激光扫描进行铜合金元件初始点云数据的采集；S2：使用双边滤波算法对采集数据预处理，得到去噪后的铜合金元件点云数据；S3：基于深度学习对铜合金元件进行尺寸检测分类，得到尺寸检测结果；S4：尺寸合格的铜合金元件进入表面缺陷检测，在表面缺陷检测中，对YOLOv7网络模型进行改进，对其进行轻量化处理的同时增加注意力机制，基于改进后的YOLOv7网络模型进行表面缺陷检测得到检测结果。本发明使用深度学习来检测铜合金元件的表面质量检测和尺寸质量检测。在表面质量检测方面，在原始的YOLOv7上进行了针对性改进，使得网络可以更加适应小尺寸和尺度变化较大的缺陷，且更加容易部署。