基于YOLOv5网络的轮胎面缺陷检测分析 |
| |
引用本文: | 王鹏辉,王旭飞,刘怡帆,周鹏,惠继强.基于YOLOv5网络的轮胎面缺陷检测分析[J].汽车实用技术,2022(17):25-30. |
| |
作者姓名: | 王鹏辉 王旭飞 刘怡帆 周鹏 惠继强 |
| |
作者单位: | 陕西理工大学机械工程学院 |
| |
基金项目: | 陕西省重点实验室项目(18JS020); |
| |
摘 要: | 当前时有发生因轮胎面缺陷导致汽车在行驶中发生严重的交通事故,轮胎面缺陷智能检测对避免这类交通事故的发生具有重要意义。深度学习技术被越来越多地用于目标检测领域,文章基于卷积神经网络模型YOLOv5提出一种轮胎面缺陷智能检测方法。首先建立具有4种轮胎面缺陷特征的数据集,然后通过YOLOv5网络训练数据集,最后用训练好的网络模型在测试集上检测。实验结果显示,在检测轮胎面缺陷任务中,YOLOv5网络模型的平均检测精度(mAP)达到65.4%,检测速度可达到38FPS,相较于YOLOv4网络模型与Faster-RCNN网络模型分别提高约4.1%与31.6%。对进一步研究更有效的轮胎面缺陷智能检测方法提供了参考。
|
关 键 词: | 轮胎面缺陷 YOLOv5 深度学习 缺陷检测 |
|
|