改进YOLOv5s的汽车玻璃花点缺陷检测算法  

Improved YOLOv5s Detection Algorithm for frit band defects in automotive glass

作　　者：陈炜 沈力 俞斌 马莹 李建兴 CHEN Wei;SHEN Li;YU Bin;MA Ying;LI Jian-xing

机构地区：[1]福建理工大学电子电气与物理学院,福州350118 [2]福建省工业集成自动化行业技术开发基地,福州350118 [3]福耀玻璃工业集团股份有限公司,福清350301

出　　处：《制造业自动化》2024年第3期124-129,共6页Manufacturing Automation

基　　金：福建省自然科学基金资助项目(2020J01878)。

摘　　要：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。

关 键 词：YOLOv5s CBAM SiLU 花点缺陷 在线检测 

分 类 号：TP399[自动化与计算机技术—计算机应用技术] TP393[自动化与计算机技术—计算机科学与技术]