官方网站-首页
2026-07-28 12:48:06
（来源：计算机视觉研究院）
计算机视觉研究院
公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
https://pmc.ncbi.nlm.nih.gov/articles/PMC12656368/pdf/sensors-25-06978.pdf
计算机视觉研究院专栏
Column of Computer Vision Institute
本文基于 FasterNET 轻量化改造的 YOLOv5 检测框架，用不到一半的算力实现了工业级检测精度，还能扛住多变的车间光照，为预应力行业的智能质检踩下了落地油门。
PART/1
痛点
预应力技术通过给混凝土施加预压应力提升结构承载力，而锚具系统中的夹片是锁紧钢绞线的核心部件。一旦夹片出现螺纹缺损、表面划痕或磕碰凹坑，就可能导致钢绞线打滑、断裂，直接威胁工程安全。
【预应力原理、锚具系统与夹片缺陷示意图】传统检测方式始终绕不开三大痛点：
人工检测效率低、一致性差，大批量质检高度依赖工人经验，漏检率波动大；
3D 螺纹曲面 + 金属强反光，普通视觉方案难以捕捉细微缺陷；
车间光照条件复杂多变，现有算法鲁棒性不足，难以适配真实现场环境。
与此同时，主流 YOLO 系列模型算力需求高，难以在工厂低成本的嵌入式、便携式设备上部署，智能质检的落地始终卡在 “精度与效率不可兼得” 的关口。
PART/2
创新
针对工业现场的算力限制与检测需求，研究团队采用 “替换骨干网络” 的轻量化改造思路，用 FasterNET 替代 YOLOv5 原有的 CSPDarknet53 骨干，在保留完整检测流程的前提下大幅压缩计算量。
【FasterNET-YOLOv5 框架工作流程图】这套方案的核心优势来自部分卷积（PConv）动态分组策略：
浅层网络负责捕捉螺纹轮廓等冗余信息，采用分组数 P=4，大幅削减计算量；
深层网络负责识别划痕、微损等细微缺陷，采用分组数 P=2，最大限度保留关键特征；
整体参数与浮点运算量（FLOPs）随分组数 P 成比例降低，同时保障缺陷特征提取能力不打折。
改造后的框架完全兼容 YOLOv5 的训练、标注与部署流程，工厂工程师无需重构系统，就能快速适配现有产线，大幅降低落地改造成本。
PART/3
实验
研究团队采集了 2000 张真实工业场景的缺陷夹片样本，覆盖白光、黄光、自然光三种车间常见光照环境，对标国家标准完成了全面测试。
1. 检测精度：超国标要求，高危缺陷零漏检
【FasterNET-YOLOv5 检测精度表】最终模型实现了96.3% 的精度、96.2% 的召回率、96.5% 的 mAP@0.5，全面超过 GB/T 45575-2025 国家标准中 “mAP≥90%、缺陷检出率≥95%” 的要求。其中，对安全风险最高的 “螺纹缺损（p1）” 缺陷，召回率达到 100%，从算法层面杜绝了高危漏检，完全满足预应力工程的安全红线要求。
2. 运行效率：算力砍半，推理提速 18%
【YOLOv5 与 FasterNET-YOLOv5 计算效率对比表】相比原版 YOLOv5s：
浮点运算量（FLOPs）从 15.8G 降至 7.1G，参数规模减少 55%；
单帧推理时间从 21.1ms 压缩至 17.2ms，端到端检测速度提升 18%；
端到端 FPS 达到 45，完全匹配产线传送带的节拍要求，可在 GTX1060 级别的入门显卡、甚至嵌入式设备上稳定运行。
3. 光照鲁棒性：适配车间复杂环境
团队在白光、黄光、自然光三种典型车间光照下做了对比测试，验证模型的环境适应性。
【白光、黄光、自然光下的视觉检测精度柱状图】测试结果还给出了明确的车间照明优化指南：
白光环境下，螺纹缺损、划痕两类核心缺陷的检测精度最高、表现最均衡，是质检工位的首选照明方案；
自然光下检测稳定性最好，适合采光充足的仓储抽检场景；
黄光环境仅对磕碰凹坑类缺陷有优势，整体波动大，不推荐作为主力质检照明。
4. 横向对比：领跑主流轻量化模型
研究团队还将该方案与 YOLOv8n~v12n、SSD-MobileNetV2 等主流轻量化模型做了同条件对标。
【各类轻量化模型性能对比表】结果显示，FasterNET-YOLOv5 在精度、算力、速度三项核心指标上实现了综合领先：
相比 YOLOv8n~v12n，FLOPs 降低 18%~23%，mAP@0.5 高出 0.5~2.3 个百分点；
相比极致轻量化的 SSD-MobileNetV2，检测精度高出 6.5 个百分点，算力仅增加 12%；
针对 3D 螺纹曲面的专属优化，让它比通用平面缺陷模型更适配夹片这类曲面零件。
除此之外，研究还引入了力学模型反演方法，将视觉检测到的缺陷映射为工程安全指标，量化不同缺陷对夹片夹紧力、疲劳寿命的影响，让 AI 检测不止于 “认出缺陷”，更能直接对接工程安全评估。
PART/4
价值与展望
这套轻量化检测框架的价值，不止于预应力夹片这一个品类，更给工业 3D 曲面零件的智能质检提供了可复制的思路。
核心落地优势
：低算力需求适配中小工厂的现有设备，无需高额硬件升级；
：兼容现有产线系统，改造周期短、上手门槛低；
：高危缺陷零漏检，结合力学评估，满足工程安全的严苛要求。
后续研究方向
研究团队表示，后续将进一步扩充多场景数据集，探索结合结构光、深度相机的 3D 缺陷检测方案，并在真实预应力夹片产线上完成落地验证，推动方案从实验室走向工业现场。
从人工目检到 AI 智能质检，工业升级的核心从来不是盲目堆算力，而是用更高效的方案解决真实的现场痛点。这套轻量化框架用技术优化打通了 “精度 - 成本 - 落地” 的堵点，也让我们看到了 AI 赋能传统制造业的更多可能。
有相关需求的你可以联系我们！
400-86503662
空客展示面向未来飞行运行的AI视觉着陆应用程序
