基于机器视觉的管板缺陷识别检测方法

本发明涉及图像处理技术领域和工业自动化领域，以及涉及一种基于机器视觉的管板缺陷识别检测方法。本发明采用如下技术方案：首先通过相机对有缺陷的管板进行拍摄获得管板的数据集，再对数据集进行预处理，使用改进的基于YOLOv10的管板表面缺陷检测模型训练数据集，其中改进地方为在YOLOv10的原模型上增加一个小目标检测头、在骨干处尾部引入了ConNAMA注意力机制、在颈部将C2f模块替换为C2fMLLABlock模块。然后使用迭代最优的模型权重文件进行检测，配合使用计算机算法实时对管板的每个圆孔进行位置编号并检测其缺陷尺寸。本发明可大大提高管板检测效率和可视化程度，有效提升了针对管板缺陷类型多、大小不一、背景复杂、数据量大的情况下的缺陷识别率及尺寸测量精度。