基于机器学习的铝熔体夹渣自动检测技术

根据现有夹渣图像的特点,提出基于YOLOv5模型的夹渣目标检测算法,以减少获取图像的角度、光源等不确定因素对测试结果所造成的负反馈影响,提高检测精度。利用Mosaic数据增强、自适应锚框计算、自适应图像缩放等技术,融合Focus和CSP结构,设计出基于YOLOv5的自动化识别夹渣图像和自动计算夹渣率的优化算法。结果表明,相对于人工采集照片计算夹渣率水平的方法,改进后的YOLOv5s模型,有效提高了断面夹渣图像目标检测的精确度,由改进前的83%提高至97%。