典型文献
基于YOLOv5的汽车零部件疲劳裂纹识别方法研究
文献摘要：
在汽车零部件疲劳耐久试验过程中,及时发现试验样件裂纹的产生对获取准确的试验结果有很重要的作用.文章以汽车底盘零部件作为研究对象,通过工业相机采集裂纹容易发生的区域图像,基于YOLOv5的深度学习识别框架,综合运用机器视觉技术及深度学习方法,对采集到的图像进行数字化评价分析,自动识别疑似裂纹并发出报警信号.
文献关键词：
YOLOv5;裂纹识别;深度学习
中图分类号：
作者姓名：
任浩源
作者机构：
上海机动车检测认证技术研究中心有限公司,上海201805
文献出处：
引用格式：
[1]任浩源-.基于YOLOv5的汽车零部件疲劳裂纹识别方法研究)[J].上海汽车,2022(08):43-46
A类：
B类：
YOLOv5,汽车零部件,疲劳裂纹,裂纹识别,疲劳耐久,耐久试验,试验过程,样件,很重,汽车底盘,工业相机,机采,识别框架,机器视觉技术,深度学习方法,数字化评价,评价分析,自动识别,发出报警,报警信号
AB值：
0.438419
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
