王 宸，张秀峰，刘 超，张 伟，唐 禹

（1.湖北汽车工业学院 机械工程学院，湖北 十堰 442002；2.上海大学 上海市智能制造与机器人重点实验室，上海 200072）

1 引 言

轮毂是车辆的承载部件，其主要由轮圈和辐板两部分组成，制造方法有焊接法、铸造法和锻造法。在焊接法的生产过程中，需要对轮毂焊接焊缝的缺陷进行检测，来保障轮毂产品质量。轮毂焊缝缺陷多为表面缺陷，目前采用人工目测的方法进行检测，但此方法检测效率低，检测人员容易疲劳，存在漏检和误检等问题。随着机器视觉等技术的不断进步，尤其是人工智能技术在工业领域的应用［1］，给智能化检测带来了更多解决方案［2］。为了改进人工检测方法［3］，可以把焊缝缺陷看作目标检测问题，采用目标检测的方法实现焊缝缺陷的智能化检测。目标检测［4］的方法主要可以分为两类：一类是采用传统机器视觉的方法另一类是采用深度学习的方法。

传统的机器视觉方法使用特定编程算法，提取特征信息进行分类识别。罗志伟等［5］根据焊球的形状和尺寸特征，使用高斯混合模型实现了其缺陷的识别分类，得到了97.06%的检测准确率，但是存在较高的误判率，数据样本较少。高向东等［6］采用主成分分析和支持向量机对高强钢焊缝特征的动态磁光图像进行分析，实现了焊缝缺陷的自动检测，识别率为92.6%。Malarvel等［7］使用了机器视觉方法对焊缝图像进行去噪，利用梯度幅值增强图像特征，实现了焊缝缺陷检测，但方法对于弱缺陷特征的检测效果较差。……