基于机器视觉的汽车漆面缺陷检测方法研究  

作　　者：陈奕明 许建明[1] 

机构地区：[1]邵阳学院,湖南邵阳422000

出　　处：《技术与市场》2025年第3期30-33,共4页Technology and Market

基　　金：邵阳学院2023年研究生科研创新项目“基于机器视觉的汽车漆面缺陷检测方法研究”(CX2023SY052)。

摘　　要：旨在通过机器视觉技术提高汽车漆面缺陷检测的效率和准确性,提出一种基于机器视觉的改进的汽车漆面缺陷检测算法,主要通过比较深度学习方法,设计高效、稳定的检测系统,为汽车制造企业提供智能化检测解决方案,提升漆面质量和生产效率。该算法结合传统图像处理和深度学习方法,采用了多尺度图像金字塔、快速预筛选、轻量级深度网络、上下文感知模块和注意力机制等技术。在包含10000张图像的数据集上进行了试验,算法准确率达到96.8%,同时保持较低的计算复杂度。结果表明:该算法在准确性、效率和鲁棒性均优于现有方法。

关 键 词：漆面缺陷 图像处理 深度学习 缺陷检测法 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]