首页|基于改进YOLOv5s的木材表面缺陷检测模型

基于改进YOLOv5s的木材表面缺陷检测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对木材表面缺陷的复杂多样性和特征提取困难,提出一种基于改进YOLOv5s的木材表面缺陷(活节、死节、有裂缝节子和裂缝)检测模型.首先,在Backbone网络引入坐标注意力机制(coordinate attention,CA)增强每个通道之间的信息交互,然后采用混合空间金字塔池化(hybrid spatial pyramid pooling-fast,HSPPF)结构减少信息损失,再使用GSConv卷积减少参数量,用改进的曲线高效交叉联合(curve efficient intersection over union,CEIoU)作为训练时模型的损失函数,提升木材缺陷检测的准确性.试验结果表明,改进模型能够有效检测出木材表面缺陷,模型的平均精度均值(mean average precision,mAP)为84.4％,比未改进之前提高了2％,检测速度达到73.9 FPS,在模型参数量方面明显减少,同时优于其他主流模型,能够满足木材表面缺陷检测的要求.
Detection Model of Wood Surface Defects Based on Improved YOLOv5s

朱豪、周顺勇、曾雅兰、李思诚、刘学

展开 >

四川轻化工大学自动化与信息工程学院

人工智能四川省重点实验室,四川宜宾 644000

HS-YOLOv5s 木材表面缺陷检测 坐标注意力机制(CA) 混合空间金字塔池化(HSPPF) 曲线高效交叉联合(CEIoU)

四川省科技厅项目四川省科技厅项目四川轻化工大学研究生创新基金四川轻化工大学研究生创新基金

2020YFSY00272020YFG0178Y2022129Y2022163

2023

10.12326/j.2096-9694.2022163

木材科学与技术
中国林科院木材工业研究所

木材科学与技术

CSTPCD北大核心
影响因子：0.677
ISSN：2096-9694
年,卷(期)：2023.37(2)
  • 2
  • 3