文章摘要:目的 为提升质检过程中药用空心胶囊的表面缺陷检测精度及其自动化水平。方法 通过设计高质量图像采集方案来避免胶囊表面出现光斑，以此构建药用空心胶囊缺陷数据集。基于YOLOv4算法，建立深度学习检测模型，利用多尺度特征提取以及训练策略，增强对小目标缺陷检测的鲁棒性。采用K-means++聚类算法更新锚框初始值，以提高模型对胶囊表面缺陷的预测性能。结果 实验结果表明，提出的胶囊缺陷检测方法能够准确判别胶囊好坏并检测出其表面的凹陷、孔洞、划痕、污点以及接口缺损等5类缺陷，其中对于胶囊有无缺陷的平均精确均值达99.05%，各缺陷类型的平均精确率为91.81%，而检测速度可达22FPS。与其他典型的目标检测方法相比，该方法在检测速度和精度上都有一定优势。结论文中所提出的基于YOLOv4的缺陷检测方法实现了对药用空心胶囊多类型缺陷的分类与定位，且具有较好的检测效果和稳定性，在满足生产质量管控要求的同时，可大幅降低人工成本。

文章关键词:

项目基金: