基于深度学习的多尺寸汽车轮辋焊缝检测与定位系统研究 |
| |
引用本文: | 潘睿志,林涛,李超,胡波.基于深度学习的多尺寸汽车轮辋焊缝检测与定位系统研究[J].光学精密工程,2023(8):1174-1187. |
| |
作者姓名: | 潘睿志 林涛 李超 胡波 |
| |
作者单位: | 成都理工大学机电工程学院 |
| |
摘 要: | 为了实现汽车轮辋生产装备自动化与智能化,提升汽车轮辋的生产效率,降低人工成本,本文提出了一种基于YOLOv5s算法的多尺寸汽车轮辋焊缝检测与定位系统。首先,由图像采集装置拍摄实际生产中的多尺寸轮辋焊缝图像,构建轮辋焊缝数据集,使用K-means算法重新生成数据集锚定框,提升网络的收敛速度和特征提取能力;其次,引入CBAM(Convolutional Block Attention Module)混合域注意力机制,提高模型对于轮辋焊缝关注度,减少背景干扰;然后,采用EIOU(Efficient Intersection Over Union Loss)边框位置回归损失函数,提高轮辋焊缝识别框的准确率;最后,增加了ASFF(Adaptively Spatial Feature Fusion)自适应特征融合网络,使目标检测模型对多个级别的特征进行空间滤波。实验结果表明,改进后的算法准确率和mAP0.5分别达到了98.4%和99.2%,相比于原YOLOv5s算法分别提高了4.5%和3.7%。训练好的模型采用推理加速框架TensorRT进行加速部署在工控机上,搭配视觉检测软件与工业触摸屏形成交互...
|
关 键 词: | 焊缝 损失函数 YOLOv5s |
|
|