Para realizar a automação e inteligência dos equipamentos de produção de rodas automotivas, melhorar a eficiência na produção de rodas e reduzir os custos de mão de obra, este artigo propõe um sistema de detecção e localização de soldas em rodas automotivas de múltiplos tamanhos baseado no algoritmo YOLOv5s. Primeiramente, as imagens das soldas em rodas de múltiplos tamanhos no ambiente de produção real são capturadas por um dispositivo de aquisição de imagens, construindo um conjunto de dados de soldas, utilizando o algoritmo K-means para regenerar as âncoras do conjunto de dados, melhorando a velocidade de convergência da rede e a capacidade de extração de características; em seguida, introduz-se o mecanismo de atenção híbrido de domínio CBAM (Convolutional Block Attention Module) para aumentar a atenção do modelo nas soldas e reduzir interferências de fundo; posteriormente, utiliza-se a função de perda de regressão de posição de caixa EIOU (Efficient Intersection Over Union Loss) para melhorar a precisão da caixa de reconhecimento das soldas; por fim, adiciona-se a rede de fusão adaptativa de características espaciais ASFF para que o modelo de detecção de objetos realize filtragem espacial em múltiplos níveis de características. Os resultados experimentais mostram que o algoritmo melhorado atingiu precisões e mAP0.5 de 98,4% e 99,2%, respectivamente, representando aumentos de 4,5% e 3,7% em relação ao algoritmo YOLOv5s original. O modelo treinado foi acelerado utilizando a estrutura de aceleração de inferência TensorRT e implantado em um computador industrial, formando uma plataforma interativa e de exibição juntamente com o software de inspeção visual e a tela sensível ao toque industrial. Após validação de 3000 soldas em rodas de diferentes tamanhos em múltiplos lotes no ambiente de produção real, a taxa de falhas de detecção foi de aproximadamente 0,5%, atendendo aos requisitos de precisão de detecção de soldas em rodas de múltiplos tamanhos da indústria automobilística.

solda; função de perda; YOLOv5s