基于改进YOLOV5的钢材表面缺陷检测系统研究

作     者：肖遥 

作者单位：华北理工大学 

学位级别：硕士

导师姓名：刘伟民;曹成

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：YOLO系列 钢材表面缺陷检测 Jetson nano PyQt5 

摘      要：钢材是制造诸多产品的重要原材料之一。由于工艺水平的限制导致了钢材表面缺陷的产生。因此,提高产品质量的关键是对钢材生产过程中进行表面缺陷检测。针对钢材表面缺陷检测问题,基于YOLOV5展开了深入研究。首先,针对钢材表面缺陷形状复杂、实时性需求高的问题,利用YOLOV5对钢材表面进行缺陷检测,并通过实验分析验证了该方法的有效性;其次,针对钢材表面缺陷形状较小,YOLOV5提取特征能力有限,导致在检测过程中精确率低的问题。构建了将注意力机制嵌入到C3模块中的新模块,并在YOLOV5中建立了新的连接;然后,针对YOLOV5在训练钢材表面缺陷过程中损失函数会陷入局部最优解问题,采用热重启的余弦退火算法对YOLOV5的学习率策略进行了优化;最后,针对YOLOV5检测网络规模较大,导致实时性差的问题,将Shuffle Net V2轻量化网络引入到YOLOV5中,使得模型参数和模型大小降低,并且还提高了精确率。通过Jetson nano嵌入式平台作为核心设备对钢材表面缺陷检测模型进行部署。使用IMX219摄像头和Wi Fi完成设备搭建。利用Py Qt5界面开发工具,设计并开发了钢材表面缺陷检测系统的界面端。该系统操作方便,可实现图像、视频或调用摄像头多功能检测。图47幅;表8个;参67篇。