基于YOLO v5算法的板材质量视觉检测技术研究

• 作者: 刘风华 谢国贤 肖浩南 杨良生 黎剑锋
• 来源期刊: 现代信息科技
• 关键词: 机器视觉 YOLO v5 边缘检测 尺寸检测
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 智能制造|Intelligent Manufacturing
• 页码范围: 149-153
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.09.039

摘要

对于家具板件自动化生产,快速、准确的板件质量检测系统是不可或缺的.以YOLO v5算法为基础对计算机辅助检查板件质量技术进行了研究.在机器学习算法的基础上,结合运动目标捕捉算法作为辅助检测方法,实现板件的识别和定位,然后通过OpenCV中的图像处理和轮廓识别方法来实现板件尺寸测量.该算法的板件识别率达98.33％,识别多种颜色板件外形长宽尺寸时,实测最大尺寸误差2.23 mm,能满足家具板件生产质量检测的需求.