基于改进YOLOv5s和DeepLabV3+的摄像头模组瑕疵检测

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：张满,李璟文,毕杰方,张金莹

单位：江南大学 理学院

摘要：为了克服摄像头模组现有检测方法的局限性，提出了一种基于改进YOLOv5s和DeepLabV3+的摄像头模组瑕疵检测方法，以满足摄像头模组工业生产过程中外观与功能检测的需求；针对摄像头模组表面瑕疵检测中存在难度大、目标小、种类多的问题，采用了基于改进YOLOv5s的外观定性检测方法；该方法引入多维协作注意力机制，并结合基于NWD的损失函数优化，有效提高了模型对小目标的检测能力；测试结果表明，改进后YOLOv5s的平均精度mAP达95.7%，相比原始模型提升了8.5%，同时，每秒帧率FPS为38.5，基本满足工业实时检测的要求；此外，针对需要进行定量检测的组件（如脖子胶区域），进一步研究了一种基于DeepLabV3+语义分割的脖子胶定量分析方法；通过提取区域边界，并计算其面积与长宽比特征，有效评估模组的组装质量并识别潜在功能瑕疵；相比传统方法，该方法能够同时实现摄像头模组的外观与功能检测，同时保障检测的精度与速度，并为其他工业领域的质量控制和瑕疵检测提供了有益借鉴与参考，具有较高的应用价值。

关键词：摄像头模组，瑕疵检测，YOLOv5s，小目标优化，DeepLabV3+

基金资助：江西省03专项及5G项目(S2023ZXXM C0049)；中国博士后科学基金第70批面上资助一等(2021M700039)；国家自然科学基金项目(11904135)。