基于深度学习的嵌入式汽车内饰件装配检测
汽车内饰件装配后的质量检测是装配的重要阶段,是确保内饰件装配高通过率的重要保障.以低功耗高性能英伟达的开发板搭建目标检测硬件平台,对比Faster RCNN与YOLOv5模型,采用对小目标检测效果更好的YOLOv5模型训练工业摄像头采集的数据.试验结果表明,对汽车内饰装配件13种特征检测的准确率都高达95%以上,实现了对汽车内饰装配件高效精准的判别,为汽车内饰件的装配工作提供了可靠的辅助手段.
汽车内饰装配件、目标检测、YOLOv5、Faster RCNN、深度学习、检测方法
31
TP391.41;TP273;TN911.73
沈阳市重大科技成果转化专项;辽宁省工业重大专项
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116