本项目为车辆总装线视觉防错检测系统，主要实现对车辆关键零部件装配状态的自动化识别与漏装校验，核心检测内容包括：
轮毂识别与装配检测：对车辆轮毂的安装位置、安装状态进行视觉识别，判断轮毂是否安装到位、有无错装、漏装等异常情况，确保轮毂装配合规。
门盖螺栓识别检测：针对车门、机盖、后备箱盖等部位的紧固螺栓，通过视觉算法精准定位每一颗螺栓，自动识别螺栓是否存在漏装、松动、错装等问题，实现螺栓防错全检。
底部堵盖识别检测：对车辆底盘、底部各类堵盖、封堵件进行外观与位置识别，判断堵盖是否缺失、安装歪斜、密封不到位等装配缺陷，避免因漏装导致的漏水、进尘等质量问题。
系统基于YOLO11 目标检测模型搭建整体视觉防错架构，通过工业相机实时采集车辆装配图像，完成目标定位、状态判别、异常报警等功能，替代传统人工目视检查，提高检测精度与稳定性，降低装配不良率。
本项目为车辆总装线视觉防错检测系统，主要实现对车辆关键零部件装配状态的自动化识别与漏装校验，核心检测内容包括：
轮毂识别与装配检测：对车辆轮毂的安装位置、安装状态进行视觉识别，判断轮毂是否安装到位、有无错装、漏装等异常情况，确保轮毂装配合规。
门盖螺栓识别检测：针对车门、机盖、后备箱盖等部位的紧固螺栓，通过视觉算法精准定位每一颗螺栓，自动识别螺栓是否存在漏装、松动、错装等问题，实现螺栓防错全检。
底部堵盖识别检测：对车辆底盘、底部各类堵盖、封堵件进行外观与位置识别，判断堵盖是否缺失、安装歪斜、密封不到位等装配缺陷，避免因漏装导致的漏水、进尘等质量问题。
系统基于YOLO11 目标检测模型搭建整体视觉防错架构，通过工业相机实时采集车辆装配图像，完成目标定位、状态判别、异常报警等功能，替代传统人工目视检查，提高检测精度与稳定性，降低装配不良率。
个人主要负责工作内容（YOLO11车辆螺栓漏装视觉防错系统）
1. 数据处理与标注工作
- 负责项目核心数据集的构建：针对轮毂、门盖螺栓、底部堵盖等检测目标，整理从产线采集的多场景（不同车型、不同光照、不同拍摄角度）车辆部件图像数据，完成数据清洗、去重、格式标准化处理。
- 主导数据标注工作：制定统一的标注规范（如螺栓漏装/正常安装的标注规则、目标框标注精度要求），使用LabelImg/LabelMe等标注工具完成数千张样本的精准标注，同时对标注数据进行质量校验，确保标注准确率≥99%，为模型训练提供高质量数据基础。
- 完成数据增强处理：针对工业场景数据样本不均衡问题，通过随机裁剪、翻转、亮度/对比度调整、添加噪声等方式扩充数据集，提升模型对复杂产线环境的适应性。
2. 模型开发与代码编写
- 基于YOLO11模型框架进行定制化开发：编写模型训练、验证、推理的核心代码，包括数据加载模块（适配自定义标注格式）、模型配置文件（针对螺栓/堵盖小目标优化anchor尺寸）、损失函数调整等。
- 开发模型推理与结果解析模块：编写代码实现工业相机图像的实时读取、模型推理、检测结果可视化（标注漏装螺栓位置）、异常结果告警接口开发，对接产线现有防错系统。
- 代码优化与调试：针对模型推理速度慢、小目标漏检等问题，优化代码逻辑（如使用ONNX模型加速推理）、调试模型超参数（学习率、批次大小、迭代次数），确保检测帧率满足产线实时性要求（≥15FPS）。
3. 模型训练与迭代优化
- 负责YOLO11模型的端到端训练：搭建训练环境（配置C
评论