摘要： 大型结构件中螺栓缺失往往会产生重大的安全隐患，而目前通过深度学习进行目标检测的设备通常部署繁琐、困难，为了保证检测的高效率并且足够轻量化的性能，提出一种通过改进YOLOv5进行模型训练，并将模型轻量化移植到移动端的方法，以实现螺栓的快速识别与个数缺失统计与报警。首先利用LabelImg软件对现有的螺栓数据进行标注，标注完成后对该数据集进行训练，再将得到的模型文件转化并降低位宽，转化为TensorFlow Lite(TFLite)模型文件，进而在安卓端进行部署。结果表明，将模型部署在小米MI 9 SE手机上，进行单目标检测时准确率可以达到98%,多目标检测时准确率可以达到97%,推理时间在40 ms左右，且报警功能可以正常使用，为螺栓缺失的检测提供了一种新的轻量化方法。

关键词: 目标检测; 深度学习; 改进YOLOv5; 轻量化; 螺栓连接

中图分类号: 

• TH131.3

• TP391.41