摘要
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.
基金项目
安徽省自然科学基金(2108085MF230)
安徽省高校自然科学研究重点项目(KJ2019A0906)
安徽大学横向课题项目(K160155014)
安徽大学横向课题项目(K160155315)
2021大学生创新创业训练计划(S202110357503)
2021大学生创新创业训练计划(X202110357295)
维普
万方数据