机械工程学报

作者：石杰, 吴昆鹏, 杨朝霖, 邓能辉, 王少聪, 苏成

单位：1. 北京科技大学国家板带生产先进装备工程技术研究中心 北京 100083;2. 北京科技大学高效轧制与智能制造国家工程研究中心 北京 100083

关键词：缺陷检测,轮廓拟合,伪彩色深度图像,Yolov5,双边网络；

基金：广西科技重大专项资助项目(AA22068080)。

无缝钢管的表面缺陷检测与量化对于质量判定至关重要。然而，现有的检测方法主要依赖于灰度图像分析，缺乏对缺陷深度的综合判断，因此检测结果往往片面且不准确。为解决该问题，设计采用3D相机采集钢管表面的数据，能够同步获取到具备相同尺寸的灰度图像和点云数据，通过对点云数据的处理，可以计算出缺陷相对于基准表面的深度，并进一步量化得到伪彩色深度图像，能够直观地展示缺陷的深度信息。为了提升缺陷检测能力，在Yolov5模型的基础上添加双边网络结构，将灰度图像和伪彩色深度图像分别输入到细节分支和语义分支中提取特征，融合两分支的数据得到新的中间特征用于目标检测。试验结果表明，利用相对深度测量方法生成的伪彩色深度图像可以有效地消除抖动、扭转等情况的干扰，深度测量误差小于0.1 mm。此外，与传统的灰度图像检测模式相比，添加了双边网络结构的Yolov5模型在mAP指标上提升了4.7%，并且以108 帧/s的速率满足了实时检测的要求。最终在缺陷定性分析的基础上，通过增加深度方向维度，实现了对缺陷的定量分析，不仅提升了检测的全面性，也显著提高了检测的准确度。

来源：2025年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第4期