首页|基于改进YOLOv5的铝型材表面缺陷检测方法

基于改进YOLOv5的铝型材表面缺陷检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对铝型材表面缺陷不同类别尺寸差别较大，导致检测效果较差的情况，本文提出一种基于改进YOLOv5的铝型材表面缺陷检测算法。首先，在网络中嵌入CA(coordinate attention)注意力机制模块，使网络更好地抑制图像中无效样本的干扰，更多聚焦于有用信息;其次，在原有检测层上增加一个小目标检测层，获取和传递更为丰富且更具判别性的小目标特征，以解决对小目标缺陷检测精度低的问题，提高整体检测精度;最后，引入SIoU损失函数，用边界框回归之间的向量角度来重新定义损失函数，在有效减少总自由度损失的同时提高推理精度。将改进算法应用到天池铝型材数据集中进行验证，实验结果表明:该模型能有效识别铝型材表面不同种类的缺陷，较原YOLOv5算法mAP提高11。4个百分点，检测速度达到66。4 frame/s，能够满足目前铝型材工厂生产现场缺陷检测要求。
Surface Defect Detection Method for Aluminum Profile Based on Improved YOLOv5

defect detectionYOLOv5attention mechanismSIoUmultiscale fusion

席凌飞、伊力哈木·亚尔买买提、刘雅洁

展开 >

新疆大学 电气工程学院, 新疆 乌鲁木齐830017

缺陷检测 YOLOv5 注意力机制 SIoU 多尺度融合

国家自然科学基金国家自然科学基金

6186603761462082

2024

10.16088/j.issn.1001-6600.2023050801

广西师范大学学报(自然科学版)
广西师范大学

广西师范大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.448
ISSN：1001-6600
年,卷(期)：2024.42(1)
  • 29