基于改进的YOLOv5金刚石线表面质量检测

作     者：黄叶祺 王明伟 闫瑞 雷涛 HUANG Yeqi;WANG Mingwei;YAN Rui;LEI Tao

作者机构：陕西科技大学电子信息与人工智能学院陕西西安710021 陕西省人工智能联合实验室(陕西科技大学)陕西西安710021 

基　　金：国家自然科学基金(62201335) 陕西省教育厅服务地方专项(21JC002) 西安市科技计划项目(21XJZZ0006) 西安市未央区科技计划项目(202115) 咸阳市科技局重大专项(L2022-JBGS-GY-01) 陕西省科技厅工业研发项目(2023-YBGY-215) 

出 版 物：《广西师范大学学报（自然科学版）》 (Journal of Guangxi Normal University:Natural Science Edition)

年 卷 期：2023年第41卷第4期

页      码：123-134页

摘      要：金刚石线上固着的金刚石颗粒数量、位置分布和分布密度等是衡量金刚石线表面质量的重要参数,也是衡量金刚石线切割能力的重要指标。针对金刚石颗粒微小、密集、粘连等现象导致其特征难以提取、识别准确率低等问题,本文采用深度学习技术,提出一种基于改进的YOLOv5金刚石线表面质量检测方法。首先在图像处理阶段,使用阈值分割技术初步划分大、小颗粒;其次在主干网络部分,添加CA(coordinate attention)注意力模块,获取更高质量的粘连颗粒中单粒边界特征;再次设计C2(CA+CBL)模块,用特征融合保留不同层之间的语义信息,进而提升密集小目标的检测精度;最后用一个卷积代替CSP2_X结构,降低计算量,同时将不同尺度的输出特征图感受野缩小,避免颗粒特征虚化,从而影响颗粒的检测精度。实验表明,改进的网络模型,能够有效识别形状不一、大小不一、粘连和密集的金刚石颗粒图像,微粒平均精度(AP)达到83.80%,大颗粒平均精度达到90.70%,平均精度均值(mAP)达到87.20%。

主 题 词：金刚石线 YOLOv5 注意力机制 小目标检测 阈值分割 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.16088/j.issn.1001-6600.2022112106

馆 藏 号：203123388...