基于YOLOv5的控制舱装配正确性检测研究与应用

针对某型控制舱装配过程主要采用人工检验方式,检测结果受人为因素影响,不能完全保证产品的装配质量,存在检测自动化水平不高的问题,提出了一种改进YOLOv5的控制舱装配正确性在线检测系统。该系统由硬件和软件两部分组成。硬件包括服务器、工控机、CCD摄像头、蜂鸣器等,软件由检测模块、LabVIEW控制程序和MES系统等组成。针对图像存在噪点问题,在原YOLOv5检测算法的基础上加入CBAM注意力机制模块,使得网络能够更准确地定位和识别感兴趣的区域,从而提高检测模型的检测精度。试验结果表明,改进的YOLOv5检测算法显著提高了控制舱装配正确性在线检测的精度,对比原始算法,改进后的YOLOv5算法在检测精度上达到99.1%,优于其他算法,比SSD、YOLOv3、YOLOv4、YOLOv5分别高出2.4、0.9、0.5、0.3个百分点;平均精度mAP较原始算法提升0.4个百分点,达到99.4%。提出的改进YOLOv5控制舱装配正确性在线检测算法能够及时检测控制舱装配过程中的零部件装配正确性,为深度学习技术在控制舱装配正确性在线检测中的广泛应用提供了技术支撑。