基于改进YOLOv5算法的锌电解阴极板剥锌残留物识别

作     者：刘惠中 王志岩 姜勇 闻成钰 LIU Huizhong;WANG Zhiyan;JIANG Yong;WEN Chengyu

作者机构：江西理工大学机电工程学院江西赣州341000 江西省矿冶机电工程技术研究中心江西赣州341000 矿冶科技集团有限公司北京100160 

出 版 物：《有色金属工程》 (Nonferrous Metals Engineering)

年 卷 期：2023年第13卷第10期

页      面：37-45页

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：江西省“双千计划”引进高层次创新人才项目(jxsq2018101046) 

主　　题：深度学习 锌阴极板 残留物识别 YOLOv5 

摘      要：锌电解工业生产过程中阴极板经剥锌机剥片后有时会有残留物,需要及时识别并清除,否则会影响阴极板的后续处理。目前主要通过人工肉眼观察进行识别并从流程中剔除,难以保证人工识别的准确性和及时性,易造成不合格阴极板误入电解流程。提出一种基于改进YOLOv5算法的阴极板残留物机器视觉识别方法,并利用该方法对工业采集的锌阴极板图像数据样本进行了残留物识别试验和测试。结果表明,基于改进YOLOv5算法对不合格板的平均识别精度达到95.2%,比原始YOLOv5算法精度提高了6.8%,其识别精度能够满足实际应用中锌阴极板残留物的实时检测要求。