改进YOLOv5的气缸盖锻件缺陷视觉检测方法研究

作者：唐禹; 方凯^*; 杨帅; 王宸; 李宗良

来源：制造技术与机床, 2023, (08): 166-173.

DOI：10.19287/j.mtmt.1005-2402.2023.08.024

• 锻件缺陷
• YOLOv5
• Decoupled Head
• 双向特征金字塔

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SPPYOLO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。

• 出版日期2023
• 单位湖北汽车工业学院; 东风汽车集团有限公司; 上海大学