Python中使用，YOLOv5实现视觉识别螺丝

最新推荐文章于 2025-10-11 13:12:50 发布
原创 最新推荐文章于 2025-10-11 13:12:50 发布 · 4.5k 阅读 · 8 ·
CC 4.0 BY-SA版权
异想实验室
文章标签：

#python #开发语言 #后端

本文介绍了一次使用YOLOv5进行螺丝识别的实际操作经历，包括遇到的版本兼容问题及解决办法。在仅使用CPU的情况下，经过200次训练后实现了对数据集中图像的有效识别，并展示了实时摄像头画面的识别效果。
部署运行你感兴趣的模型镜像

实现过程中遍地是坑..各种报错...还好最终实现...

因为安装的某一些库的版本，不兼容的问题，导致无法使用GPU计算，所以视频中演示的效果，采用的是Cpu计算的，喂投数据集图像，41张，一共训练了200次，破本训练还是满慢的。。。

图像识别效果 ，特别注明，此图是存在数据集中的（主要是懒的拍新图了）..

下面视频中的，是实时摄像头画面识别。

黑色的是黑色的鼠标垫，并非刻意处理成 黑色的效果。。

视觉识别Python中，使用YOLOv5实现识别螺丝效果

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo-v8.3

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

工具识别 - 使用YOLOv5识别工厂中的工具
YOLO
02-05 532
本项目旨在使用YOLOv5模型进行工厂中工具的自动识别。工具检测：检测工厂环境中的各种工具，如扳手、锤子、螺丝刀等。工具分类：为检测到的每个工具分配正确的类别标签。UI界面搭建：为用户提供一个简单的界面，允许用户上传工厂图像并查看工具检测结果。数据管理与反馈：将检测结果返回给用户，方便管理人员查看和处理。通过本文的介绍，我们展示了如何使用YOLOv5模型进行工厂工具的自动识别。
基于深度学习的机械器件识别系统：YOLOv5 + UI界面 + 数据集实现
YOLO
03-15 186
机械器件识别任务需要高质量的标注数据集。虽然针对机械器件的专门数据集并不多，但可以借助一些通用的目标检测数据集并进行自定义标注。：包含了各种工业产品的图像，适用于机械器件识别、缺陷检测等任务。：该数据集包含多个类别的物体，尽管它并不专注于机械器件，但可以作为训练YOLO模型的基础数据集。自定义机械零件数据集：对于具体的机械设备，常常需要自己收集相关图像并进行标注。YOLOv5是YOLO系列中的一个高效版本，继承了YOLO系列模型的优点，进一步提升了检测速度和精度。
windows使用pytorch环境配置yolo_v5进行视觉识别手把手步骤：搭建pytorch环境（第2部分）
weixin_43139923的博客
07-07 1665
搭建conda环境，安装pytorch
yolo定位识别法兰盘螺纹孔
sunrise_oneday的博客
11-18 1378
yolo定位小试
螺丝钉头识别数据集下载，可识别螺丝钉的头，平均正确识别率可达95.6%，支持yolo,coco json,pasical voc xml格式的标注
最新发布
网易搬砖头
10-11 1104
螺丝钉头识别数据集下载，可识别螺丝钉的头，平均正确识别率可达95.6%，支持yolo,coco json,pasical voc xml格式的标注。
无人机助力电力设备螺母缺销智能检测识别，python基于YOLOv5开发构建电力设备螺母缺销小目标检测识别系统
Together_CZ的博客
12-02 444
无人机助力电力设备螺母缺销智能检测识别，python基于YOLOv5开发构建电力设备螺母缺销小目标检测识别系统
Yolov5 训练自己的数据集 - 识别螺丝
u010492025的博客
11-13 1260
步骤1：在命令行执行labelme命令打开软件步骤2：打开图片文件夹步骤3：点击edit选择图形对目标进行标注，在这里我使用圆进行标注步骤4：输入目标的标签，可用数字代替步骤5：保存步骤6：点击下一张图片datasets|--images|--labelsimages：存放图片labels：存放标注的label数据类别 中心点坐标 矩形宽 矩形高基于以上格式，所以需要将label生成的json文件转换成以上格式的txt文件。
机器视觉检测技术在螺丝螺母缺陷检测中的应用
2301_76713776的博客
03-31 1010
因此，随着计算机技术的发展，基于机器视觉的螺丝和螺母形状检测设备效率高，检测速度快，无需手动操作即可自动卸载。该技术的出现大大提高了生产作业的效率，防止了操作条件和主观判断对检查结果准确性的影响，实现了更准确、准确的表面缺陷检测和快速的产品表面缺陷识别。在工业4.0时代，面向市场的零部件生产越来越准确，但雇佣成本在增加，劳动效率和稳定性不高，误检和漏检率也很高。因此，随着计算机技术的发展，基于机器视觉的螺丝和螺母形状检测设备效率高，检测速度快，无需手动操作即可自动卸载。
精选资源
yolov5-simple-main.zip，yolov5建议模型，已经训练好，可以识别螺丝和螺母。
03-28
在本案例中，我们有一个名为"yolov5-simple-main.zip"的压缩包，它包含了一个预训练好的YOLOv5模型，专为识别螺丝和螺母而设计。 目标检测是计算机视觉中的一个关键任务，它的目的是在图像中定位并识别出特定的物体...
在工业视觉检测中，如何使用YOLOv5模型精确识别并定位螺丝和螺母？请提供详细的步骤和代码示例。
10-27
如果在实施过程中遇到任何技术难题，可以参考这篇资源：《基于YOLOv5的螺丝螺母识别预训练模型发布》，它将为你提供具体的模型文件和使用说明，帮助你快速入门和解决实际问题。 参考资源链接：[基于YOLOv5的螺丝...
python基于YOLOv5全系列模型【n/s/m/l/x】开发构建不同参数量级电力设备螺母缺销小目标检测识别系统
Together_CZ的博客
12-05 1323
python基于YOLOv5全系列模型【n/s/m/l/x】开发构建不同参数量级电力设备螺母缺销小目标检测识别系统
计算机视觉之目标检测数据集：螺母螺丝目标检测数据集(2分类)（YOLO标注格式的txt文件）
01-30
项目包含螺母螺丝目标检测数据集(2分类)（YOLO标注格式的txt文件），数据保存按照文件夹保存，可直接用作目标检测数据集，无需额外处理。 数据集介绍：里面仅仅包含螺丝和螺母两种类别的目标，背景为干净的培养皿，分为2个类别：bolt、nut 数据总大小：80.6MB 数据分为分为训练集和测试集（data--train(test)----images(labels)） 训练集：325张图片和325个标签txt文件组成 测试集：95张图片和95个标签txt文件组成 ***除此外，包含检测类别的classes文本文件*** 为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行！
yolov5 - 铁轨枕木螺丝识别数据集
11-13
yolov5 - 铁轨枕木螺丝识别数据集，包含图片，labelme生成的json文件，以及label文件
函数在机器底层是如何实现的_机器视觉定位如何实现螺丝螺母的在线检测
weixin_39714164的博客
10-27 422
工业4.0时代，针对市场零件生产越来越趋于精密化，而用人成本不断增高，人工效率及稳定性也不高，误检、漏检比率高。在目前的市场，推出基于机器视觉的检测方法，检测原理是通过CCD相机拍照，软件进行图像分析，这种方法高效、高速、非接触的检测。就例如螺丝螺母对于品质要求极为严格，而且，螺丝螺母的使用量一般都很大，一般都是大批量生产，这时外观检测依靠人工是完全应付不过来的，所以只能采用光学影像检测设备来进行...
开源项目(5-1) yolo万能检测识别
a83025273的博客
07-09 705
(1)Windows10+YOLOV3+VisualStudio2017最新版本超详细过程 https://blog.csdn.net/KID_yuan/article/details/88380269 (2)Windows系统下YOLO动态链接库的封装和调用 https://blog.csdn.net/stjuliet/article/details/87884976 NVID...
视频监控工件螺丝是否正确锁住
buffi的专栏
10-28 2953
自动锁螺丝机已经被广泛应用，在无视觉的自动锁螺丝机上，很多螺丝由于定位不准， 没有被锁上。当然，很多人工锁螺丝的工件上，更加容易出现此类问题。视觉监视螺丝 有无锁上，成为很多自动化生产线，特别是无人车间必须解决的问题。   最近，笔者所在部门刚刚完成一个实际的螺丝有无上锁的小CASE，顺便整理出来供大家 分享。（注：笔者使用机器视觉大师进行结果重现， 用于实际工程的系统是FVS一体
基于模板匹配的螺母检测（计算机视觉实验）
JH Lan的博客
06-10 3828
文章目录前言实验任务与要求 更新日期：2021/6/9 前言 在《计算机视觉》前两次的理论课上，老师带我们了解了本课程，并讲授了一些基本的数字图像处理技术，包括灰度变换、直方图处理、图像滤波等。 本次实验给出两段视频，要求检测视频的镜头，即找到视频中发生镜头切换的地方（详细实验内容及要求请见下文）。 老师推荐的方法是使用直方图来做（如果没有什么思路的话），但是经实验并未达到满意的效果。经过思考，实验中采用了取随机样本的方法来实现镜头检测，并进行了多项改进，最终的算法识别性能有较大提升。 提示：博主正.
Python图片读写方式之OpenCV 物体轮廓检测
weixin_46886030的博客
11-06 2919
一、cv2.findContours() 用于寻找物体的轮廓。 img,countours,hierarchy = cv2.findContours(image, mode, method) 参数解释： image：寻找轮廓的图像 mode：表示轮廓的检索模式 method：轮廓的近视办法 mode 说明 cv2.RETR_EXTERNAL 表示只检测外轮廓 cv2.RETR_LIST 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系 cv2.RETR_CCO
螺栓数据集
qq_40694323的博客
05-08 2056
螺栓数据集
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值