基于动态蛇卷曲YOLO模型的轮胎X射线非破坏性缺陷检测方法的研究
Guangpeng Xu1, Aijuan Li2, Xibo Wang1
1School of Automotive Engineering, Shandong Jiaotong University, Jinan, 250357, China.
Scientific reports
|November 28, 2024
概括
这项研究引入了基于YOLOv5的先进方法,用于轮胎X射线非破坏性测试,显著提高了缺陷检测的准确性. 这种新技术通过比以前的方法更有效地识别微妙的轮胎缺陷来提高安全性.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算机视觉 计算机视觉
背景情况:
- 轮胎X射线非破坏性测试对于驾驶安全至关重要,但由于复杂的结构和各种缺陷而受到挑战.
- 传统的检查和当前的机器学习方法缺乏足够的准确性和效率来检测轮胎缺陷.
研究的目的:
- 开发一种创新,高精度的轮胎X射线非破坏性测试技术.
- 为了提高使用改进的YOLOv5模型检测轮胎缺陷的性能.
主要方法:
- 提出了一种增强的YOLOv5模型,其中包括动态蛇卷积 (DSConv) 以获得更苗条的功能.
- 引入了基于DSConv的C3模块,用于特定的缺陷,如电缆重叠和电缆裂纹.
- 重新设计了子网络,采用尺度序列特征融合 (SSFF) 和三重特征编码 (TFE) 来实现多尺度信息集成.
- 集成的卷积块注意模块和采用软NMS用于改进的缺陷识别和边界框选择.
主要成果:
- 与基准YOLOv5模型相比,拟议的算法实现了mAP_{0.5}$的5.9%增加和mAP_{0.5:0.95}$的5.7%增加.
- 在主流的物体检测算法中证明了更高的检测准确性.
- 成功完成了针对轮胎缺陷的非破坏性测试任务.
结论:
- 开发的基于YOLOv5的技术显著提高了轮胎X射线非破坏性测试的准确性和效率.
- 集成DSConv,SSFF,TFE和注意力机制有效地解决了检测各种轮胎缺陷的挑战.
- 这种方法提供了一个强大的解决方案,通过先进的缺陷识别来确保轮胎安全.
