基于改进YOLOv5的织物缺陷检测

作     者：陈淼 张胜利 季坚莞 CHEN Miao;ZHANG Shengli;JI Jianwan

作者机构：浙江理工大学科技与艺术学院浙江绍兴312369 

基　　金：教育部产学合作协同育人项目(202102357013) 浙江理工大学科技与艺术学院劳动一流课程建设项目(Kykc2206) 

出 版 物：《毛纺科技》 (Wool Textile Journal)

年 卷 期：2024年第52卷第1期

页      码：99-106页

摘      要：鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径聚合网络(PANet)用加权双向特征金字塔网络(Bi-FPN)替换,从而更好地平衡多尺度特征信息,提高小目标检测的特征能力。最后,通过改进损失函数,使用Focal EIOU Loss损失函数来代替CIOU Loss损失函数,不仅使得收敛速度更快,而且可以有效的解决难易样本不平衡问题。实践证明:改进后的训练模型平均精度均值mAP值为84.5%,比未改进增加了4.7%,可满足实际生产中的织物缺陷检测要求。

主 题 词：YOLOv5 缺陷检测 注意力机制 加权双向特征金字塔 Focal EIOU Loss 

学科分类：1305[艺术学-设计学类] 0821[工学-兵器类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 082102[082102] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19333/j.mfkj.20230800208

馆 藏 号：203125858...