来源：期刊VIP网 时间：
作者：陈鑫;孙剑;马朋举;郭云龙;陈盈竹
单位：1.中国石油化工集团有限公司胜利油田分公司
摘要：针对当前应急消防、安防巡检等场景中车底螺栓检测系统普遍存在的目标检测计算量大、推理速度慢、模型复杂度高等问题，提出了一种基于YOLOv5s的轻量化车底螺栓目标检测系统。消防车辆底部螺栓长期承受高频振动和复杂路况冲击，易出现松动、脱落等结构性隐患，严重威胁出警安全，需定期检测其紧固状态。为此，设计了具备工程适应性的轻量化检测模型。该系统在YOLOv5s的基础上进行了三方面优化：引入双向特征金字塔网络(Bidirectional Feature Pyramid Network, BiFPN)结构提升小目标特征融合能力，采用Bottleneck残差结构通道剪枝以降低模型复杂度，并用更具几何表达能力的缩放交并比(Scaled Intersection over Union, SIOU)替代完全交并比(Complete Intersection over Union, CIOU),以提升预测框对螺栓边界的匹配精度。试验在自建的消防车辆车底模拟平台上开展，结果表明，YOLOv5s_SC_35%模型在平均精度均值mAP提升3.8百分点的同时，推理速度提升26.1%,参数量和计算量分别减小32.4%和50.1%。该方法能快速准确识别三类典型螺栓，误检漏检率显著降低，特别适用于边缘设备部署，如消防站内的车底检测机器人、便携式嵌入式检测终端等计算资源有限的设备场景。系统可集成到消防站现有的检测机器人或日常车辆维护流程中，识别准确率高，检测速度快，部署成本低，能显著提升底盘隐患排查效率，减少人工劳动。
关键词：公共安全;螺栓检测;YOLOv5;损失函数;模型剪枝;轻量化检测
