ホイールハブ溶接欠陥のインテリジェント検出を実現するために、本論文では深層学習の物体検出アルゴリズム（You Only Look Once version3、YOLOv3）を改良し、ホイールハブ溶接欠陥の検出に用いるYOLOv3-MCアルゴリズムを得た。まず、産業用カメラを使用してホイールハブ溶接画像を収集し、画像に注釈を付けてデータセットを作成し、データ増強手法によりデータセットを拡充した。次に、アルゴリズムの検出精度を向上させるために、YOLOv3のバックボーンネットワークの活性化関数をMish活性化関数に置き換えた。アルゴリズムの損失関数を修正し、完全交差面積比（Complete Intersection over Union、CIoU）の計算方法を使用して検出の位置精度を向上させた。最後に、訓練セットでアルゴリズムモデルを訓練し、検証セットとテストセットの画像データで検出試験を行った。結果は、YOLOv3-MCの最適モデルが検証セットで平均精度（Mean Average Precision、mAP）98.94%、F1スコア0.99、平均交差面積比（Average Intersection over Union、AvgIoU）80.92%、検出速度76.59フレーム/秒、モデルサイズ234MBであることを示した。このモデルはテストセットで検出精度99.29%を達成した。従来のマシンビジョン検出方法と比較して、本手法は検出精度を向上させ、ホイールハブ製造企業の溶接部のリアルタイムオンライン検出ニーズを満たしている。

溶接欠陥検出;YOLOv3-MC;Mish活性化関数;損失関数