刘 浩,陈再良,王善翔

(苏州大学机电工程学院，江苏 苏州 215131)

0 引言

刀具是现代机械加工中不可或缺的工具，能直接决定待加工产品的加工精度和表面质量。在刀具生产的过程中，由于工艺或人工的不当操作，不可避免地会在刀具表面出现各种缺陷。这些缺陷会影响刀具的美观，更为重要的是这些缺陷会造成刀具寿命的缩短从而导致生产成本的增加[1-2]。因此对刀具外观的完整性进行检查具有重要的意义。目前对于产品中的各种缺陷，普遍采用的检测方式是人工检测，即是通过工人在光源照射下用肉眼来筛选出不合格的产品，这种方法工作强度大、不确定性高，甚至有可能对工人的视力健康产生威胁[3-5]。

缺陷的自动化检测方法正得到越来越多的应用，自动化的检测方法具有高效率、高准确率的特点。现有的缺陷检测算法主要分为基于特征提取的机器学习方法和自提取特征的深度学习方法。通过提取缺陷的特征再利用机器学习分类器进行分类输出的方法依赖人工去提取和筛选特征，这会造成提取到的特征具有很强的随意性和相关性。另一方面，对于难以提取特征的检测任务，分类器难以输出最好的检测和分类结果[6-10]。

本文主要针对车刀的表面划痕、磕碰凹坑、涂层剥落和边缘豁口四种缺陷进行研究。YOLOv3算法具有较高的准确率和实时性，适合用于工厂的高速检测场景。但是使用标准的YOLOv3算法对刀具进行缺陷检测，效果并不理想，会产生部分漏检和定位框不准确的问题。……