机械工程学报

作者：曾治霖, 瞿昊, 杜正春

单位：上海交通大学机械与动力工程学院 上海 200240

关键词：发动机缸体,缺陷检测,YOLOv5,pix2pix；

针对某企业发动机缸体表面缺陷检测的工业视觉应用中，由于缺陷样本数据集较少导致的识别准确率低，检测速度慢的问题，设计了一套基于深度学习的机器视觉表面缺陷检测系统。采用生成对抗网络pix2pix模型增强缺陷图片数据集，结合灰度增强、带通滤波等传统图像预处理方法突出表面缺陷特征，利用YOLOv5深度学习识别网络进行缺陷识别算法开发，并根据上述框架搭建了缸体表面缺陷检测软硬件系统。将所搭建的检测系统在企业生产线进行应用验证，结果显示，缺陷总体识别准确率高达98.4%，单张图片识别耗时小于0.5 s。所提方法解决了原有小样本数据集难以支撑深度学习训练的难题，提高了缸体表面缺陷的识别精度和识别效率，在工业检测的应用中具有巨大的潜力。

来源：2025年第2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2期