자동차 휠 림 생산 장비의 자동화 및 지능화를 실현하고, 자동차 휠 림의 생산 효율을 향상시키며, 인건비를 절감하기 위해 본 논문에서는 YOLOv5s 알고리즘 기반의 다중 크기 자동차 휠 림 용접 부위 검출 및 위치 지정 시스템을 제안한다. 먼저, 영상 수집 장치를 통해 실제 생산 중인 다중 크기 림 용접 이미지 촬영하여 림 용접 데이터셋을 구축하고, K-평균 알고리즘을 사용하여 데이터셋 앵커 박스를 재생성해 네트워크 수렴 속도와 특징 추출 능력을 향상시킨다; 둘째, CBAM(Convolutional Block Attention Module) 혼합 도메인 주의 메커니즘을 도입하여 모델의 림 용접 집중도를 높이고 배경 간섭을 줄인다; 다음으로, EIOU(Efficient Intersection Over Union Loss) 경계 상자 위치 회귀 손실 함수를 사용해 림 용접 인식 박스의 정확도를 향상시킨다; 마지막으로, ASFF(Adaptively Spatial Feature Fusion) 적응형 특징 융합 네트워크를 추가하여 객체 검출 모델이 여러 수준의 특징에 대해 공간 필터링을 수행하도록 한다. 실험 결과, 개선된 알고리즘은 정확도와 mAP0.5가 각각 98.4%와 99.2%에 도달했으며, 이는 원본 YOLOv5s 알고리즘 대비 각각 4.5%와 3.7% 향상된 수치이다. 학습된 모델은 추론 가속 프레임워크 TensorRT를 사용해 산업용 PC에 가속 배포되었으며, 시각 검사 소프트웨어 및 산업용 터치스크린과 결합해 상호작용 및 디스플레이 플랫폼을 구성한다. 실제 생산 환경에서 여러 배치에 걸쳐 크기가 다른 3000개의 림 용접부를 검증한 결과 누락 검출률은 약 0.5%로, 자동차 업체의 다중 크기 림 용접부 검출 정밀도 요구사항을 충족한다.

용접부; 손실 함수; YOLOv5s