基于卷积神经网络的十字螺钉壳体装配自动检测  

作　　者：王明尧 李波 任仲伟 董本健 

机构地区：[1]贵州理工学院机械工程学院,贵州贵阳550025

出　　处：《电脑知识与技术》2025年第8期5-9,共5页Computer Knowledge and Technology

基　　金：贵州理工学院高层次人才科研启动经费项目(2023GCC032)。

摘　　要：目前,对于小尺寸螺钉缺失的检测,常采用人工目视检查。针对人工检测效率低下的问题,本文提出了一种基于YOLOv5卷积神经网络的自动检测方法,通过采集装配体图像、标注螺钉位置、训练网络模型以及获取最优权重文件,实现对螺钉装配的自动识别。实验结果表明,该方法检测的准确率为0.909,召回率为0.834,自动检测时间在100毫秒左右,显著提高了检测效率,有效解决了人工检测耗时耗力的问题。

关 键 词：螺钉缺失 检测 YOLOv5 卷积神经网络 自动识别 

分 类 号：TP389[自动化与计算机技术—计算机系统结构]