您当前的位置:
首页 >
文章列表页 >
融合多尺度特征的蜗杆表面缺陷检测
信息科学 | 更新时间:2024-07-10
    • 融合多尺度特征的蜗杆表面缺陷检测

    • Worm surface defect detection with fusion of multi-scale features

    • 在自动化检测领域,研究者设计了基于机器视觉的蜗杆缺陷采集系统,改进YOLOv7算法,引入数据增广、注意力机制和SIOU损失函数,显著提升了检测精度,为蜗杆表面缺陷自动化检测提供了高效解决方案。
    • 光学精密工程   2024年32卷第11期 页码:1746-1758
    • DOI:10.37188/OPE.20243211.1746    

      中图分类号: TP394.1;TH691.9
    • 纸质出版日期:2024-06-10

      收稿日期:2024-01-08

      修回日期:2024-02-20

    扫 描 看 全 文

  • 王蕾,郭文平,陈欣慰等.融合多尺度特征的蜗杆表面缺陷检测[J].光学精密工程,2024,32(11):1746-1758. DOI: 10.37188/OPE.20243211.1746.

    WANG Lei,GUO Wenping,CHEN Xinwei,et al.Worm surface defect detection with fusion of multi-scale features[J].Optics and Precision Engineering,2024,32(11):1746-1758. DOI: 10.37188/OPE.20243211.1746.

  •  
  •  

0

浏览量

33

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

融合注意力机制的金属锅圆柱表面缺陷检测
基于圆卷积神经网络的粘连导电粒子检测
相位测量的不连续位置自适应分割
小模数直齿轮免参数并行快速测量

相关作者

王蕾
郭文平
乔健
陈能达
伍雁雄
吴阳
杨景卫
罗晨

相关机构

佛山科学技术学院 机电工程与自动化学院
季华实验室
佛山科学技术学院 物理与光电工程学院
无锡尚实电子科技有限公司
东南大学 机械工程学院
0