摘要:针对航天密封圈表面缺陷人工检测效率低、传统图像处理检测算法通用性差的问题,提出了两种基于深度学习的密封 圈表面缺陷检测算法。 首先,针对缺陷大部分为小目标的特点,选取对小目标较敏感的 RetinaNet 网络作为检测算法的基本架 构,通过在 RetinaNet 网络中引入轻量级网络 MoGaA 构建出 MoGaA-RetinaNet 算法。 然后,为了提高检测精度,在 MoGaARetinaNet 基础上,用分解卷积模块代替 MoGaA 骨干网络中的深度卷积构建了 newMoGaA 骨干网络,设计出 newMoGaARetinaNet 算法。 最后,在测试集上的实验结果表明,MoGaA-RetinaNet 算法比 RetinaNet 算法检测速度更快,但检测准确率略低; 而 newMoGaA-RetinaNet 算法实现了检测精度与检测速度的良好平衡,比 RetinaNet 算法准确率提升 4. 5% ,达到 92% ,检测速度提 升 55% ,达到 31 frame / s,网络参数量减少 50% 。 所设计的 newMoGaA-RetinaNet 算法可以实现密封圈表面缺陷的快速准确检测。