自動車ホイールリムの生産装置の自動化と知能化を実現し、自動車ホイールリムの生産効率を向上させ、人工コストを削減するために、本論文ではYOLOv5sアルゴリズムに基づく多サイズ自動車ホイールリム溶接部検出および位置特定システムを提案する。まず、画像取得装置により実際の生産での多サイズリム溶接画像を撮影し、リム溶接データセットを構築し、K-meansアルゴリズムを用いてデータセットのアンカーボックスを再生成し、ネットワークの収束速度と特徴抽出能力を向上させる。次に、CBAM（Convolutional Block Attention Module）混合ドメインアテンション機構を導入し、モデルのリム溶接への注目度を高め、背景ノイズを低減する。さらに、EIOU（Efficient Intersection Over Union Loss）バウンディングボックス位置回帰損失関数を採用し、リム溶接認識ボックスの精度を向上させる。最後に、ASFF（Adaptively Spatial Feature Fusion）自適応特徴融合ネットワークを追加し、物体検出モデルが複数レベルの特徴に対して空間的フィルタリングを行うようにする。実験結果は、改良後のアルゴリズムが精度およびmAP0.5でそれぞれ98.4％および99.2％を達成し、元のYOLOv5sアルゴリズムに比べて4.5％および3.7％向上したことを示している。学習済みモデルは推論高速化フレームワークTensorRTを用いて産業用PCへ高速展開され、視覚検査ソフトウェアと産業用タッチスクリーンと組み合わせてインタラクティブな表示プラットフォームを形成する。実際の生産環境で複数バッチの異なるサイズの3000個のリム溶接を検証した結果、漏れ検出率は約0.5％であり、自動車企業の多サイズリム溶接検出精度要求を満たしている。

溶接部; 損失関数; YOLOv5s