典型文献
基于改进YOLOv5的移动端螺栓缺失检测方法
文献摘要：
大型结构件中螺栓缺失往往会产生重大的安全隐患,而目前通过深度学习进行目标检测的设备通常部署繁琐、困难,为了保证检测的高效率并且足够轻量化的性能,提出一种通过改进YOLOv5进行模型训练,并将模型轻量化移植到移动端的方法,以实现螺栓的快速识别与个数缺失统计与报警.首先利用LabelImg软件对现有的螺栓数据进行标注,标注完成后对该数据集进行训练,再将得到的模型文件转化并降低位宽,转化为TensorFlow Lite(TFLite)模型文件,进而在安卓端进行部署.结果表明,将模型部署在小米MI 9 SE手机上,进行单目标检测时准确率可以达到98％,多目标检测时准确率可以达到97％,推理时间在40 ms左右,且报警功能可以正常使用,为螺栓缺失的检测提供了一种新的轻量化方法.
文献关键词：
目标检测;深度学习;改进YOLOv5;轻量化;螺栓连接
中图分类号：
作者姓名：
陈欣瑞;周洋;赵屹涛;闫宪峰
作者机构：
郑州大学机械与动力工程学院,郑州450001;山西省机电设计研究院有限公司,太原030000
文献出处：
引用格式：
[1]陈欣瑞;周洋;赵屹涛;闫宪峰-.基于改进YOLOv5的移动端螺栓缺失检测方法)[J].现代制造工程,2022(11):108-114,143
A类：
TFLite
B类：
YOLOv5,移动端,螺栓缺失,缺失检测,大型结构件,模型训练,模型轻量化,快速识别,LabelImg,模型文件,低位,TensorFlow,安卓,行部,模型部署,小米,MI,SE,单目标,多目标检测,推理时间,ms,报警功能,量化方法,螺栓连接
AB值：
0.379165
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
