摘要
起重机的缺陷检测对保证设备安全运行至关重要,研究基于改进的YOLOv5s模型对起重机进行缺陷检测,可提升在复杂工况下的检测准确性与实时性。YOLOv5s模型在视觉检测中展现出较高的检测精度和实时性能,但在面对小目标和复杂背景时仍存在一定的局限性。文章分析了起重机常见缺陷的视觉特征,并深入讨论了缺陷检测中面临的挑战与难点,对YOLOv5s模型进行改进,以增强其对起重机缺陷数据集的适应性。优化后的模型在检测准确性与实时性方面均有所提高,可以有效支持起重机缺陷的自动化检测。研究为基于深度学习的起重机缺陷检测提供了新的思路。
出处
《今日制造与升级》
2025年第7期134-136,共3页
Manufacture & Upgrading Today
作者简介
陈程功(1991-),男,安徽安庆人,本科,助理工程师,主要研究方向为电梯、场(厂)内专用机动车辆、起重机械检验。
