基于改进YOLOv9的自卸卡车电动轮主机架开裂检测

随着世界工业化的发展,自卸卡车可极大地降低人力成本,加快工作效率,在露天矿区得到了广泛应用。然而,卡车电动轮的主机架在使用约2万~4万h后易出现开裂现象,需要进行维修。目前的裂纹检测主要通过人工目测和物理方法进行。然而,这些方法在日常维护时难以实现,无法满足快速、实时检测的要求。针对现有算法的问题,开发了基于改进YOLOv9的自卸卡车电动轮主机架裂纹检测算法。对收集到的图像进行了人工标注,并制作成数据集。模型使用YOLOv9网络并将骨干网络中Conv替换为Ghost Module,减少模型参数与冗余计算。实验结果表明,该模型识别准确度为93%,在保证实时性的基础上,具备较高的准确度。