基于YOLO与C#的汽车冲压件缺陷检测系统开发

1. 项目背景与核心需求

在汽车制造流水线上，车身冲压件的质量检测一直是影响生产效率的关键环节。传统人工目检方式存在效率低（平均每个部件检测耗时15-30秒）、漏检率高（约3-5%）等问题。我们团队基于C#开发的上位机系统，结合YOLO目标检测算法，实现了冲压件缺陷的自动化快速筛查，将单件检测时间压缩到2秒内，准确率提升至98.7%。

这套系统主要解决三类典型缺陷检测：

• 表面划痕（长度>5mm，深度>0.2mm）
• 边缘毛刺（突出高度>0.5mm）
• 孔位偏移（公差>±0.3mm）

2. 系统架构设计

2.1 硬件组成

mermaid复制graph TD
    A[工业相机] -->|GigE接口| B[工控机]
    C[PLC控制器] -->|Modbus TCP| B
    D[报警灯] -->|IO信号| B
    E[传送带] -->|编码器信号| C

2.2 软件架构

采用分层设计模式：

1. 设备层：Halcon图像采集库+Modbus通讯库
2. 算法层：YOLOv5s量化版模型（ONNX格式）
3. 业务层：缺陷分类逻辑与NG判定规则
4. 交互层：WinForm界面+报表生成模块

3. 关键技术实现

3.1 YOLO模型优化

针对冲压件特点进行的专项优化：

python复制# 数据集增强配置（albumentations）
transform = A.Compose([
    A.GridDistortion(p=0.3),
    A.RandomBrightnessContrast(p=0.5),
    A.CLAHE(p=0.2),
    A.RandomShadow(p=0.1)  # 模拟产线光照变化
])

模型训练关键参数：

• 输入分辨率：640×640
• 学习率：cosine退火（初始0.01）
• 正样本阈值：iou=0.5
• 训练周期：300 epochs

3.2 C#上位机核心模块

3.2.1 图像采集线程

csharp复制private void CaptureThread()
{
    using (HDevAcqHelper acq = new HDev