-
题名基于改进YOLOv5算法的钢材表面缺陷检测
被引量：53
- 1
-
-
作者
曹义亲
伍铭林
徐露
-
机构
华东交通大学软件学院
江西交通职业技术学院机电工程学院
-
出处
《图学学报》
CSCD
北大核心
2023年第2期335-345,共11页
-
基金
国家自然科学基金项目(61861016)
江西科技支撑计划重点项目(20161BBE50081)。
-
文摘
针对单阶段检测网络YOLOv5的特征提取能力不足、模型感受野受限以及特征融合不充分等问题,提出一种改进YOLOv5的钢材表面缺陷检测算法。该方法构造一种带残差边的SPP_Res特征金字塔结构,加快模型的训练速度,增强模型的特征提取能力;加入多头注意力机制(C3_MHSA),优化了网络结构,专注全局感受野,提取更加丰富的目标特征;引入多层特征融合机制,进一步融合浅层与深层特征,兼顾到更多的位置、语义、细节信息,提高网络对钢材表面缺陷的检测精度。实验结果表明,改进后的YOLOv5网络模型具有良好地检测性能,在NEU-DET数据集上的mAP达到了74.1%,相比原始YOLOv5网络提升了3.4%,较YOLOX提升4.0%,较YOLOv3提升了8.6%,较SSD算法提升了23.4%。检测速度优于其他主流算法,且在保持原检测速度基本不变的情况下,能够快速准确地对钢材表面缺陷进行检测。
-
关键词
YOLOv5
spp_res
多头注意力机制
多层融合
缺陷检测
-
Keywords
YOLOv5
spp_res
muti-head self-attention mechanism
muti-layer fusion mechanism
defect detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
