首页> 中文期刊> 《焊接学报》 >基于边缘AI的焊缝X射线图像缺陷检测

基于边缘AI的焊缝X射线图像缺陷检测

         

摘要

为了提高深度学习在X射线焊缝缺陷检测中的实用性,降低缺陷检测任务的硬件需求,提出模型参数量仅为3.6 M的YOLO-M网络.通过在网络中引入轻量级的倒残差结构,减少网络计算量;采用多尺度预测机制,网络分层预测不同缺陷特征;跨网格扩增图片正样本信息,加快网络训练过程中的收敛速度.结果表明,YOLO-M网络不仅应用于传统计算机,而且成功试验于超低功耗边缘人工智能芯片勘智K210中.所提方法在嵌入式端的检测准确度为93.5%,检测速度为11帧/s.该方法具有良好的检测准确度,极大降低了缺陷检测的成本.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号