基于YOLOv4及其变体的白车身焊点外观检测

作者：江琴; 戴伟; 唐鼎^*

来源：机械设计与研究, 2021, 37(04): 150-158.

DOI：10.13952/j.cnki.jofmdr.2021.0155

• 焊点检测
• 机器学习
• YOLOv4
• 深度学习模型
• 小目标检测

白车身焊点的质量直接影响汽车的牢固度和安全性,而其检测目前以人工目测为主,其检测效率和检测质量都不足以满足汽车产业发展的要求。基于YOLOv4网络模型对白车身焊点的外观分类做深度学习并成功实现了焊点的识别与分类。并针对焊点图像的特点对YOLOv4模型进行了变体开发,提出一种针对小目标的、快速运算的YOLOv4变体。首先收集了大量白车身焊点图像,根据车身焊点外观质量要求对图像进行了分类,输入YOLOv4网络模型作为训练样本,使目标检测准确性指标mAP值达到97.29%。其次,根据焊点小目标、图像特征单一等特点去除了SPP模块和最后一个下采样层,结果发现,改进后的模型不仅可以保证较高的目标检测精度,且运算效率提高了2.9%,同时参数数量减少17.6%。研究证明,基于变体YOLOv4深度学习框架的焊点外观检测方法,不仅可以实现焊点目标的检测及缺陷分类,且参数量更少,计算速度更快,本研究有助于白车身制造智能化水平与焊接质量的提高。

• 单位
  上海交通大学