수동 검사에 의존하여 효율성이 낮고 비용이 높은 웜기어 톱니 윗면 결함 검출 현황을 개선하기 위해 머신 비전 기반 자동화 검사 방법에 대한 연구를 진행하였다. 웜기어 결함 수집 시스템을 설계하였고, 다양한 결함 발생률에 따라 데이터 증강 전략을 제시하였다. YOLOv7을 기반으로 알고리즘을 개선하였으며, 결함 크기 분포 차이에 대응하기 위해 점진적 특징 피라미드 재구성 목 네트워크를 도입하여 모델의 다중 스케일 특징 융합 능력을 향상시켰다; 결함이 아닌 위치가 검출 결과에 미치는 영향을 줄이기 위해 주의 메커니즘을 도입하여 모델의 결함 집중 능력을 강화하였다; 마지막으로 회귀 손실 함수를 SIOU로 개선하고, 네트워크 학습 시 라벨 박스와 예측 박스의 방향을 고려하여 검출 정밀도를 더욱 향상시켰다. 대조적 소거 실험을 통해 이러한 개선의 효과가 입증되었다. 파라미터 수가 20.7% 감소한 상황에서 제안된 알고리즘은 YOLOv7 대비 정확도가 3.3% 향상되었으며, YOLOR, YOLOv5m 등 다양한 알고리즘과 비교할 때 검출 성능이 가장 우수하여 웜기어 표면 결함 자동 검출 요구를 기본적으로 충족하였다.

머신 비전;표면 결함;YOLOv7;특징 피라미드