10.19287/j.mtmt.1005-2402.2023.08.024
改进YOLOv5的气缸盖锻件缺陷视觉检测方法研究
汽车气缸盖锻件在生产过程中容易出现各种裂纹,影响产品质量.针对当前气缸盖锻件检测缺陷精度和效率低的问题,提出了一种基于YOLOv5 网络改进的算法模型YOLOv5-MG.首先,搭建图像采集平台,制作气缸盖锻件缺陷样本数据集.然后,将YOLOv5 Head架构SPP-YOLO替换为 Decoupled Head结构,提高模型的准确率和效率;使用双向特征金字塔(bidirectional feature pyramid network,BiFPN)替换YOLOv5 网络原来的路径聚合网络(path aggregation network,PANet),增强图像浅层特征信息与深层特征信息的融合;引入完备交并(complete intersection over union,CIoU)的计算方法提升算法检测的定位精度.实验表明,改进的算法在测试集上的均值平均精度达到了 99.81%,F1 的分值为 0.99,浮点运算数为 17.2 B.相较于其他深度学习模型,该方法有效地提高了气缸盖锻件的缺陷检测效率和精度,能够满足缺陷检测的要求.
锻件缺陷、YOLOv5、Decoupled Head、双向特征金字塔
TP391.4;TG164;TH16(计算技术、计算机技术)
国家自然科学基金;教育部人文社会科学研究项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;湖北省高等学校中青年科技创新团队计划项目;湖北省社会科学基金项目;湖北汽车工业学院博士基金
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
166-173