-
题名基于改进YOLOv5s的钢铁表面缺陷检测模型研究
- 1
-
-
作者
邱昆
王长坤
-
机构
南昌航空大学信息工程学院
-
出处
《南昌航空大学学报(自然科学版)》
2025年第2期8-18,共11页
-
基金
国家自然科学基金(AA201920039)。
-
文摘
传统YOLOv5算法在进行钢铁表面缺陷检测时,面临缺陷尺度变化大、类别易混淆等挑战,这些挑战极大地增加了检测任务的难度,严重制约了YOLOv5在钢铁表面缺陷检测领域的应用性能。针对上述提到的一系列挑战,提出一种融合MobileViTv3和YOLOv5s的钢铁表面缺陷检测模型,以增强YOLOv5s的全局信息处理能力。在此基础上,为了实现不同尺度缺陷特征的高效融合,提出一种新的PGCSP块替换C3块,PGCSP块与GSConv一起组成新的颈部网络LWTNeck。同时,为了进一步提升模型性能,引入新的损失函数WIoU,提升对小目标的检测效果,以解决目标尺度差异的问题。最后,在NEU-DET数据集上对改进模型进行验证。结果显示,改进后的模型可以实现实时检测,平均精度mAP为77.83%,比基线模型(YOLOv5s)提高约7.69%,比Faster R-CNN提高约4.27%。
-
关键词
钢铁表面缺陷检测
YOLOv5
lwt-neck
MobileViTv3
WIoU
-
Keywords
Steel Surface Defect Detection
YOLOv5
lwt-neck
MobileViTv3
WIoU
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
