基于多视角融合FCOS和U-Net的螺钉缺失自动检测方法
邓秋菊
周平平
王元玲
重庆移通学院 重庆 401420;公共大数据安全技术重庆市重点实验室 重庆 401420
摘要：针对工业生产中的螺钉漏装检测效率低、精度不够等问题,文章提出一种基于深度学习的螺钉缺失检测方法.该方法结合FCOS目标检测算法与U-Net关键点检测网络,通过多视角图像采集与融合,配合暗箱设计构建稳定光照环境,实现了自动、高精度检测螺钉缺失,并应用于螺钉漏装检测.实验结果表明,该方法在不同光照条件下对不同型号内筒的检测正确率均达到99.7％以上,漏报率0,误报率低,适应性强.该方法在工业生产中对螺钉缺失的检测效率和精度进行了有效的提高,为质量控制的智能制造提供了可行性方案.
关键词：螺钉缺失检测深度学习FCOS算法U-Net网络多视角检测
资助基金：綦江区科技计划项目(2025034)重庆移通学院校级应用研究项目(KY2024013)
论文发表日期：2026-03-25
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：3( 32-34 )