改进Debevec-YOLOv5的高反金属表面缺陷识别方法研究

高反零件具有极强的反光性,对此类零件利用机器视觉识别时,所采图像存在高亮干扰因素,无法对零件表面缺陷进行正常检测识别。基于高动态范围成像技术提出一种改进Debevec算法与YOLOv5相结合的表面缺陷识别方法,对Debevec算法的相机响应曲线算法与图像合成算法利用粒子群算法进行改进,并利用YOLOv5对合成后的图像进行缺陷识别。对合成图像进行信息熵等客观评价指标计算,结果表明改进算法对反光件的图像合成质量优于Debevec算法与Mertens算法,由改进算法合成图像输入YOLOv5进行识别的错检率与漏检率低于Debevec算法与Mertens算法,具有实用价值。