基于改进YOLOv5S算法的铝型材表面缺陷检测

作     者：杨海斌 

作者机构：长江大学计算机科学学院湖北荆州434023 

基　　金：安徽省教育厅2020年度安徽高校自然科学项目(KJ2020A1218) 

出 版 物：《电脑知识与技术》 (Computer Knowledge and Technology)

年 卷 期：2024年第20卷第6期

页      码：47-51页

摘      要：针对铝材表面缺陷种类多、背景干扰强且尺度变化多样,导致极易出现误检、漏检等问题,设计了一种改进YOLOv5S的铝材表面缺陷检测算法。首先在主干网络中引入CA注意力机制模块,弱化对无用信息的关注,强化了目标的定位能力,同时将边界框损失函数改为EIoU Loss,加强预测框的回归预测能力,并且还采用了双向特征金字塔网络(BiFPN)来进行特征融合。实验成果显示,经优化的YOLOv5S模型在APDDD铝材数据集上的平均精度均值(MAP)达到了83.7%,较原始的YOLOv5S模型有3.0%的增长,FPS值上也增加了4.433,检测精度和速度都得到了提升。

主 题 词：缺陷检测 YOLOv5S 注意力机制 特征金字塔 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14004/j.cnki.ckt.2024.0317

馆 藏 号：203127009...