基于改进CBAM多尺度卷积网络凸轮轴图像瑕疵识别
张浪浪1
叶孟财2
祝武标2
游林伟3
1.浙江广厦建设职业技术大学数字信息中心 浙江 东阳 3221002.浙江广厦建设职业技术大学继续教育学院 浙江 东阳 3221003.四川工程职业技术大学软件工程学院 四川德阳 618000
摘要：凸轮轴作为发动机的核心关键部件,其表面质量对发动机的性能与使用寿命起着决定性作用.鉴于凸轮轴生产工艺流程繁复,在生产过程中极易出现缺口、裂缝等问题,致使在实际使用时凹坑区域会产生应力集中,进而大幅降低凸轮轴的使用寿命.为此,文章提出了一种基于改进型CBAM的多尺度卷积网络缺陷识别方法.该方法将优化后的InceptionV2模块与通道及空间注意力机制(convolutional block attention module,CBAM)有机结合,有效提升了网络的表达能力.通过引入针对CBAM的注意力机制,以强化对缺陷特征的区分能力.经实验测试,改进后的CBAM-Inception-RA-ResNet缺陷识别网络模型在凸轮轴数据集上达成了 98.27％的总体准确率,在缺陷分类方面成效显著.
关键词：凸轮轴瑕疵检测深度学习图像处理
论文发表日期：2025-10-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 49-54 )