基于改进YOLOv5s的汽车空调出风口缺陷检测研究

针对目前人工在汽车空调出风口缺陷检测任务中效率低、漏检率高的问题,构建一种YOLO-CSD模型对其进行更高效的检测。首先,在YOLOv5主干网络中引入坐标注意力机制(coordinate attention,CA),增强网络对汽车空调出风口缺陷的特征提取能力;其次,引入空间转深度(Space-to-Depth,SPD-Conv)下采样模块,替换网络中原有的跨步卷积和池化层,减少特征提取过程中细微特征的丢失;最后,将耦合检测头替换成解耦头(Decoupled Head),缓解分类任务与回归任务的冲突问题,从而提高缺陷检出率。在自制的汽车空调出风口缺陷数据集上,改进后模型的平均精度(mAP)达到93.6%,提高了3.4个百分点,平均每张图片检测时间29.4 ms。YOLO-CSD在汽车空调出风口缺陷检测中有明显效果,为构建汽车空调出风口自动化质检系统奠定了基础,同时也为其他镀铬产品的表面缺陷检测提供了新的参考。