个人卖家：
zhuge帮忙
创建于：2025-08-23
改进YOLOv5的轮胎缺陷检测算法（DySneakConv + AIFI + CARAFE + 知识
￥699.00
| 使用环境 |
在轮胎生产或检测车间，使用高分辨率相机拍摄轮胎X光图像，相机镜头距离轮胎一定距离，平行于轮胎拍摄，图像分辨率480×480像素，输入网络图像尺寸调整为384×384像素。 |
| 使用对象 |
轮胎的常见缺陷，包括2_open（开口）、cords_defects（帘线缺陷）、impurity（杂质）和belt_cuobian（带束层缺陷）。 |
| 使用目的 |
自动检测轮胎X光图像中的缺陷，提高检测效率和准确性，减少人工检测的漏检率和成本，保障轮胎产品质量。 |
| 输入数据 |
轮胎X光图像帧 |
| 输出数据 |
缺陷类型（2_open、cords_defects、impurity、belt_cuobian）、缺陷位置坐标、缺陷尺寸信息 |
| 硬件配置 |
CPU：13th Gen Intel (R) Core (TM) i9-13900HX；GPU：NVIDIA GeForce RTX 4070 Laptop GPU；内存：16GB；摄像头：高分辨率工业相机，用于拍摄轮胎X光图像； |
| 样本获取 |
使用上海大学网络控制中心开源的轮胎X光照片数据集，共1142张训练集图像、382张验证集图像和381张测试集图像。图像大小480×480像素，网络输入图像尺寸调整为384×384像素。 |
| 测试结果 |
在测试集上，改进算法的mAP0.5相比原始YOLOv5m提高2.6pp，模型大小减少25.6MB，GFLOPs减少31.3，参数减少12.7×10^6。 |
| 执行速度 |
识别速度约8.45ms/次 |
| 资源消耗 |
针对上述硬件配置，运行算法时，CPU平均占用率约为30%-40%，GPU平均占用率约为60%-70%，内存使用占比约30%-40%。 |
| 源码类型 |
Python版本源码 |
| 文件大小 |
算法程序文件32KB，权重文件56MB。 |
| 相关备注 |
本算法基于改进的YOLOv5框架，结合DySneakConv、AIFI、CARAFE和知识蒸馏技术，针对轮胎缺陷检测进行了优化，在提高检测精度的同时，降低了模型复杂度和计算资源消耗，具有较高的实用性和工程应用价值。 |
