现代计算机2022，Vol.28Issue(22) ：1-8.DOI:10.3969/j.issn.1007-1423.2022.22.001

基于改进YOLOv5的工业钢材瑕疵检测算法

Defect Detection Algorithm of Industrial Steel Based on Improved YOLOv5

周繁 廖义奎
现代计算机2022，Vol.28Issue(22) ：1-8.DOI:10.3969/j.issn.1007-1423.2022.22.001
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进YOLOv5的工业钢材瑕疵检测算法

Defect Detection Algorithm of Industrial Steel Based on Improved YOLOv5

周繁 1廖义奎1
扫码查看

作者信息

  • 1. 广西民族大学电子信息学院,南宁 530006
  • 折叠

摘要

针对工业钢材瑕疵检测过程中存在的对多类别瑕疵检测精度低、效率低的问题,提出一种基于改进YOLOv5的瑕疵检测算法.首先在主干网络添加协同注意力机制,嵌入目标位置信息从而提升特征提取能力;然后改变边框回归的损失函数为CIoU Loss,提升对检验框定位的准确度;最后利用Ghost模块轻量化特点提出C3Ghost结构替换路径聚合层中的C3结构,减少模型参数量.测试结果表明,改进后的算法mAP值提升了2.6％,模型参数量减少了13.3％.验证了改进算法对工业钢材的多类别瑕疵检测的有效性.

关键词

钢材瑕疵检测/YOLOv5/协同注意力机制/损失函数/Ghost模块

引用本文复制引用

基金项目

广西研究生教育创新计划(gxun-chxs2021067)

南宁市青秀区科学研究与技术开发计划(2018008)

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量6
段落导航相关论文