首页|基于改进YOLOv5的工业钢材瑕疵检测算法

基于改进YOLOv5的工业钢材瑕疵检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Defect Detection Algorithm of Industrial Steel Based on Improved YOLOv5

周繁、廖义奎

展开 >

广西民族大学电子信息学院,南宁 530006

钢材瑕疵检测 YOLOv5 协同注意力机制 损失函数 Ghost模块

广西研究生教育创新计划南宁市青秀区科学研究与技术开发计划

gxun-chxs20210672018008

2022

10.3969/j.issn.1007-1423.2022.22.001

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(22)
  • 6