휠 허브 용접 결함의 지능형 검출을 실현하기 위해 본 논문에서는 심층 학습 객체 검출 알고리즘인 YOLOv3(You Only Look Once version3)를 개선하여 휠 허브 용접 결함 검출에 사용되는 YOLOv3-MC 알고리즘을 얻었다. 먼저 산업용 카메라를 사용하여 휠 허브 용접 이미지을 수집하고, 이미지를 주석 처리하여 데이터셋을 만들었으며 데이터 증강 방법을 통해 데이터셋을 확장하였다. 그리고 알고리즘 검출 정확도를 향상시키기 위해 YOLOv3 백본 네트워크의 활성화 함수를 Mish 활성화 함수로 교체하였다. 알고리즘의 손실 함수를 수정하여 완전 교집합비(Complete Intersection over Union, CIoU) 계산 방법을 사용해 알고리즘 검출 위치 정확도를 높였다. 마지막으로 학습 집합으로 알고리즘 모델을 학습시키고 검증 집합 및 테스트 집합 이미지 데이터로 검출 실험을 수행했다. 결과는 YOLOv3-MC 최적 모델이 검증 집합에서 평균 정확도(Mean Average Precision, mAP) 98.94%, F1 점수 0.99, 평균 교집합비(Average Intersection over Union, AvgIoU) 80.92%, 검출 속도 76.59 프레임/초, 모델 크기 234MB임을 보여주었다. 이 모델은 테스트 집합에서 검출 정확도 99.29%를 달성하였다. 기존 머신 비전 검출 방법에 비해 이 방법은 검출 정확도를 향상시켜 휠 허브 생산 기업의 용접부 실시간 온라인 검출 요구를 충족시켰다.

용접 결함 검출;YOLOv3-MC;Mish 활성화 함수;손실 함수