烟支外观缺陷自动检测是卷烟厂产品质量检测中的重要步骤,它对提升卷烟质量有很大的作用.针对烟支自动化生产过程中生产速度快、要求检测精度和分类精确率高等现状,提出了一种基于改进YOLOv5 s的烟支外观缺陷检测方法.首先,使用LabelImg工具对原数据进行标记,并进行合适的数据增强;其次,在YOLOv5 s网络的主干模块引入了通道注意力机制,增强模型的表达能力;然后,优化激活函数,采用Swish,提升网络分类效果;最后,优化损失函数,采用DIoU,以更好地对小目标进行检测.实验结果表明,改进的YOLOv5s方法在烟支外观数据集上的精确率达到了90.9％,召回率达到了86.8％,平均检测精度达到了94.0％.与原始的YOLOv5s网络对比,精确率上升了4.1％,召回率上升了4.5％,平均检测精度上升了3.3％.而在平均检测速度上面,改进的YOLOv5s和原始的YOLOv5s网络相比只增加了0.1 ms/支,也能满足目前烟支生产流水线的检测速度需要.因此,改进后的YOLOv5 s算法提升了传统烟支自动化生产过程中的检测精度和速度,能投入到烟支外观缺陷检测应用中.
国家科技期刊平台
NSTL
万方数据
维普
