首页|基于YOLOv5s的铝型材表观缺陷检测方法

基于YOLOv5s的铝型材表观缺陷检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
目前,在铝制品的加工生产过程中,缺陷检测环节仍以人眼观测为主,这种传统方式存在检测精度差和检测效率低等缺陷,为此,提出基于YOLOv5s的铝型材表观缺陷检测方法.针对具有9种缺陷的铝型材图像,使用labellmg进行标注,构建了铝型材数据集.基于该数据集,以YOLOv5s、YOLOv5m、YOLOv5I在COCO数据集上训练好的权值作为初始权值,对该3种模型进一步迭代训练,并将最优权重进行测试.对比3种模型的实验结果,决定采用YOLOv5s作为铝型材表观缺陷检测的模型,其测试精确度P、召回率R、均值平均精度mAP分别达到了0.684、0.742、0.692.并基于该模型,采用PyQt5开发了铝型材表观缺陷检测系统,其检测速率可达98Fps左右,可以很好地满足实时性要求,从而为铝型材表观缺陷检测提供了有效的参考方案.
Apparent defect detection method of aluminum profile based on YOLOv5s

刘寅龙、王杰、曹昂、徐国明、朱静珂

展开 >

安徽大学互联网学院,合肥 230039

中国科学技术大学信息科学技术学院,合肥 230026

安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,合肥 230601

机器视觉 深度学习 YOLOv5 缺陷检测

安徽省自然科学基金安徽省高校自然科学研究重点项目安徽大学横向课题项目安徽大学横向课题项目2021大学生创新创业训练计划2021大学生创新创业训练计划

2108085MF230KJ2019A0906K160155014K160155315S202110357503X202110357295

2024

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(1)
  • 5