改进YOLOv5的钢材表面缺陷检测网络轻量化研究

作     者：甄国涌 赵林熔 李文越 储成群 王达 孙妍 ZHEN Guoyong;ZHAO Linrong;LI Wenyue;CHU Chengqun;WANG Da;SUN Yan

作者机构：中北大学仪器与电子学院太原030051 陆军装备部驻北京地区军事代表局某军代室太原030000 北京遥感设备研究所北京100005 

基　　金：国家自然科学基金重点项目(62131018) 山西省基础研究计划资助项目(202103021222012) 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2024年第3期

页      码：58-63页

摘      要：在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后,利用SIOU边界框损失函数训练模型,使模型能够快速收敛并且精确回归。在NEU-DET上的实验结果表明,改进后的模型mAP值提升到77.0%,相较于原模型提高了5.3%,模型体积减少了42.1%,参数量减少了43.4%,检测速度也快了0.4 ms,实现了模型轻量化效果和检测精度的平衡,为后续在硬件终端上部署提供了一种可行方案。

主 题 词：目标检测 钢材表面缺陷 YOLOv5 轻量化网络 

学科分类：080202[080202] 08[工学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2024.03.013

馆 藏 号：203126969...