基于深度学习的汽车轮胎受损检测方法研究

摘要

针对汽车轮胎受损尺度小、特征与背景相似导致检测困难等问题，提出一种基于改进YOLOX(YOLOX-O)的深度学习轮胎受损检测方法.以YOLOX模型为框架，对原YOLOX网络进行下采样层剪枝，使最小特征图尺度增加以实现对小尺度受损目标检测；为解决目标特征和背景相似导致受损难以检测的问题，在主干网络CSP结构中添加最大池化层和1×1卷积层，以保留最突出的目标特征；为平衡受损样本不均衡问题，将原网络中用于计算损失函数的BCE-loss函数替换为Focal loss.利用Aidlux平台对模型进行压缩和优化，并将其部署到手机上实现移动端目标检测.试验结果表明：本文方法能够检测尺度小、特征和背景相似的受损轮胎，检测平均准确率均值达到90.8%,而且能够在手机端实现快速检测，适于推广应用.

关键词

轮胎受损检测 / 改进YOLOX / Focal loss / 模型压缩优化

基金资助

江苏省智能感知技术与装备工程研究中心开放基金(ITS202103); 江苏省产学研合作项目(BY2022076); 江苏省大学生实践创新训练项目(202311276083Y)