基于快速RCNN的钢丝绳缺陷检测算法

王显敏; 尹啟瑞; 李远; 朱珩

doi:10.13393/j.cnki.issn.1672-948X.2025.S1.008

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于快速RCNN的钢丝绳缺陷检测算法

电力系统故障诊断与分析 | 更新时间：2026-01-26

- 基于快速RCNN的钢丝绳缺陷检测算法
- 基于快速RCNN的钢丝绳缺陷检测算法
- 三峡大学学报（自然科学版） 2025年47卷第S1期页码：48-52
- 作者机构：
  
  三峡金沙江云川水电开发有限公司禄劝乌东德电厂
- 作者简介：
- 基金信息：
  
  三峡金沙江云川水电开发有限公司禄劝乌东德电厂资助项目(1522020011)
- DOI：10.13393/j.cnki.issn.1672-948X.2025.S1.008
  中图分类号： TP391.41;TG356.45;TP183
- 纸质出版：2025
- 稿件说明：
移动端阅览
王显敏, 尹啟瑞, 李远, 等. 基于快速RCNN的钢丝绳缺陷检测算法[J]. 三峡大学学报（自然科学版）, 2025,47(S1):48-52.

王显敏, 尹啟瑞, 李远, et al. 基于快速RCNN的钢丝绳缺陷检测算法[J]. 2025, 47(S1): 48-52.
王显敏, 尹啟瑞, 李远, 等. 基于快速RCNN的钢丝绳缺陷检测算法[J]. 三峡大学学报（自然科学版）, 2025,47(S1):48-52. DOI： 10.13393/j.cnki.issn.1672-948X.2025.S1.008.

王显敏, 尹啟瑞, 李远, et al. 基于快速RCNN的钢丝绳缺陷检测算法[J]. 2025, 47(S1): 48-52. DOI： 10.13393/j.cnki.issn.1672-948X.2025.S1.008.

摘要

针对门机作业中常见的钢丝绳变形、芯筒挤压、钢丝绳挤压和表面钢丝断裂4种缺陷类型，提出了一种基于颜色分割和faster区域卷积神经网络(faster RCNN)的钢丝绳缺陷检测算法.采用颜色分割算法对钢丝绳缺陷进行提取，如果与钢丝绳正常形状存在较大差异，则直接判断为变形缺陷；如果没有差异或差异很小，则使用faster RCNN网络对缺陷进行详细检测.实验表明，该算法的平均检测精度达到90.61%

能够有效地检测出钢丝绳的缺陷部位，从而保证了门机的安全运行.

Abstract

关键词

Keywords

references

罗菁,董婷婷,宋丹,修春波.表面缺陷检测综述[J].计算机科学与探索,2014(09).

刘泽,王嵬,王平.钢轨表面缺陷检测机器视觉系统的设计[J].电子测量与仪器学报,2010(11).

李炜,黄心汉,王敏,万国红.基于机器视觉的带钢表面缺陷检测系统[J].华中科技大学学报(自然科学版),2003(02).

李亚鸣,邢凯,邓洪武,王志勇,胡璇.基于小样本无梯度学习的卷积结构预训练模型性能优化方法[J].计算机应用,2022(02).

王美萱,刘志亮,杨磊磊,刘嘉轩,于川凯,王离.基于PCB线圈的钢丝绳金属横截面积损失检测方法[J].电子科技大学学报,2024(03).

张卫国,刘聪,曾祥堃,夏立成,王紫阳.基于整体与局部纹理特征加权融合的港机装备钢丝绳断丝缺陷检测研究[J].中国工程机械学报,2024(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据