计算机时代2023，Issue(7) ：29-33,37.DOI:10.16644/j.cnki.cn33-1094/tp.2023.07.007

改进YOLOX-S的金属零件缺陷检测算法研究

Improved YOLOX-S metal parts defect detection algorithm

谷长江 高法钦
计算机时代2023，Issue(7) ：29-33,37.DOI:10.16644/j.cnki.cn33-1094/tp.2023.07.007
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

改进YOLOX-S的金属零件缺陷检测算法研究

Improved YOLOX-S metal parts defect detection algorithm

谷长江 1高法钦1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310000
  • 折叠

摘要

针对小金属零件缺陷检测精度低的问题,提出一种改进YOLOX-S目标检测算法.首先引入一种轻量化的特征提取模块GABlock,通过深度可分离卷积与注意力机制增强特征的处理能力;然后通过增加残差堆叠模块,增强上下文语义信息表达,提高缺陷检测精度;最后使用GIoU损失函数替换IoU损失函数,提高检测框收敛速度.实验结果表明,改进后的算法检测精度达到85.91%,提升了7.65%,表现出所提算法在小金属零件缺陷检测任务上的有效性.

关键词

金属缺陷检测/深度学习/注意力机制/YOLOX

Key words

metal defect detection/deep learning/attention mechanism/YOLOX

引用本文复制引用

基金项目

浙江省教育厅一般科研项目(专业学位专项)(Y202147956)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量23
段落导航相关论文