首页|改进YOLOv5s的汽车玻璃花点缺陷检测算法

改进YOLOv5s的汽车玻璃花点缺陷检测算法

扫码查看
原文链接
  • 万方数据
  • 维普
针对目前汽车玻璃生产中,玻璃质量检测还大量依赖人工的问题,对YOLOv5s模型进行改进,提出了CSi-YOLOv5s的缺陷检测算法,用于实现汽车玻璃3类花点缺陷(黏连、残缺、缺失)的自动检测.首先,在Backbone部分的CBL模块中加入注意力模块CBAM,强化特征提取网络对多种花点缺陷特征的学习能力.其次,通过将激活函数改变为SiLU来优化深度网络的训练效果.对比实验数据表明,所提出的CSi-YOLOv5s花点缺陷检测算法对经过训练的3种花点图案的平均检测精度mAP达到99.1％,每张图像的平均检测时间小于0.15s.该算法对未经训练的4种花点图案的平均检测精度mAP也达到89.9％.算法实现了花点图案中微小缺陷的检测和分类,为汽车玻璃生产过程的缺陷检测提供了一种高效、实用且满足实时在线检测需求的解决方案.
Improved YOLOv5s Detection Algorithm for frit band defects in automotive glass

陈炜、沈力、俞斌、马莹、李建兴

展开 >

福建理工大学电子电气与物理学院,福州 350118

福建省工业集成自动化行业技术开发基地,福州 350118

福耀玻璃工业集团股份有限公司,福清 350301

YOLOv5s CBAM SiLU 花点缺陷 在线检测

福建省自然科学基金

2020J01878

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(3)
  • 15