典型文献
基于YOLOv5网络的轮胎面缺陷检测分析
文献摘要：
当前时有发生因轮胎面缺陷导致汽车在行驶中发生严重的交通事故,轮胎面缺陷智能检测对避免这类交通事故的发生具有重要意义.深度学习技术被越来越多地用于目标检测领域,文章基于卷积神经网络模型YOLOv5提出一种轮胎面缺陷智能检测方法.首先建立具有4种轮胎面缺陷特征的数据集,然后通过YOLOv5网络训练数据集,最后用训练好的网络模型在测试集上检测.实验结果显示,在检测轮胎面缺陷任务中,YOLOv5网络模型的平均检测精度(mAP)达到65.4％,检测速度可达到38FPS,相较于YOLOv4网络模型与Faster-RCNN网络模型分别提高约4.1％与31.6％.对进一步研究更有效的轮胎面缺陷智能检测方法提供了参考.
文献关键词：
轮胎面缺陷;YOLOv5;深度学习;缺陷检测
中图分类号：
作者姓名：
王鹏辉;王旭飞;刘怡帆;周鹏;惠继强
作者机构：
陕西理工大学机械工程学院,陕西 汉中 723000
文献出处：
引用格式：
[1]王鹏辉;王旭飞;刘怡帆;周鹏;惠继强-.基于YOLOv5网络的轮胎面缺陷检测分析)[J].汽车实用技术,2022(17):25-30
A类：
轮胎面缺陷,38FPS
B类：
YOLOv5,缺陷检测,检测分析,时有发生,交通事故,深度学习技术,目标检测,检测领域,卷积神经网络模型,智能检测方法,缺陷特征,网络训练,训练数据集,练好,测试集,检测精度,mAP,检测速度,YOLOv4,Faster,RCNN
AB值：
0.206218
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。
