基于YOLOv4算法的药用空心胶囊表面缺陷检测方法

董豪，李少波, b, c，杨静, b, c，王军

基于YOLOv4算法的药用空心胶囊表面缺陷检测方法

董豪a，李少波a, b, c，杨静a, b, c，王军a

（贵州大学 a.机械工程学院 b.公共大数据国家重点实验室 c.现代制造技术教育部重点实验室，贵阳 550025）

为提升质检过程中药用空心胶囊的表面缺陷检测精度及其自动化水平。通过设计高质量图像采集方案来避免胶囊表面出现光斑，以此构建药用空心胶囊缺陷数据集。基于YOLOv4算法，建立深度学习检测模型，利用多尺度特征提取以及训练策略，增强对小目标缺陷检测的鲁棒性。采用K-means++聚类算法更新锚框初始值，以提高模型对胶囊表面缺陷的预测性能。实验结果表明，提出的胶囊缺陷检测方法能够准确判别胶囊好坏,并能检测出其表面的凹陷、孔洞、划痕、污点和接口缺损等5类缺陷，其中对于胶囊有无缺陷的平均精确均值达99.05%，各缺陷类型的平均精确率为91.81%，而每秒检测图像可达22张。与其他典型的目标检测方法相比，文中方法在检测速度和精度上都有一定优势。文中所提出的基于YOLOv4的缺陷检测方法实现了对药用空心胶囊多类型缺陷的分类与定位，具有较好的检测效果和稳定性，在满足生产质量管控要求的同时，可大幅降低人工成本。

药用胶囊；缺陷检测；YOLOv4；深度学习；K-means++

对于医药行业，其药品质量的合格与否关乎着对应病症的治疗效果和患者身体的健康状况。近年来，相较于传统的片剂、冲剂等药剂类型，药用胶囊凭借其可掩盖药物异味和易吸收等优点，已在药品领域得到了广泛的应用，其相应的产销量也在不断地扩增。……