来源：期刊VIP网 时间：
作者：马开璇;钟相强;杨怀安;
单位：安徽工程大学机械与汽车工程学院;
摘要：滚动轴承作为机械系统中的关键部件，提升滚动轴承缺陷检测效率对助力生产工艺升级和产业发展具有重要意义。YOLOv8目标检测算法精度高、速度快，在图像分类检测中应用广泛，是目前的主流算法，适合用于轴承类缺陷检测的场景。故提出基于机器视觉的滚动轴承缺陷检测系统来提升滚动轴承缺陷检测效率。根据轴承缺陷类型与结构特点，设计并搭建了缺陷采集装置，采用双边滤波、直方图均衡化、蚁群边缘检测算法、多尺度Retinex算法和切割算法等进行轴承缺陷图像预处理，建立轴承缺陷数据集。基于YOLOv8网络搭建改进的轴承缺陷分类模型，通过优化损失函数、添加注意力机制和新增检测层等对YOLOv8网络进行改进，并进行对比实验。实验结果表明：改进后的分类模型准确率达到83.8%,套圈锈蚀分类结果由53.0%提高到80.5%,均值平均精度(mAP)较YOLOv8模型提高11.3%,提升效果明显。基于改进YOLOv8的轴承缺陷采集能够有效提高轴承检测准确度和效率，轴承缺陷采集装置及轴承缺陷数据集构建为轴承金属表面微小缺陷的检测奠定基础，进一步推进轴承企业智能化生产。
关键词：机器视觉;;轴承缺陷;;缺陷数据集;;深度学习
基金资助：安徽省高等学校科学研究重点资助项目(2024AH050102)
