基于YOLO的双层注意力缺陷检测算法

作     者：王素珍 吕基岳 葛润东 邓成禹 WANG Suzhen;LYU Jiyue;GE Rundong;DENG Chengyu

作者机构：青岛理工大学信息与控制工程学院青岛266000 

基　　金：山东省自然科学基金项目(ZR2021MF024) 山东省自然科学基金项目(ZR2020QF101) 

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5期

页      码：91-95,99页

摘      要：为了解决钢铁缺陷检测任务中小尺度、形态复杂、结构模糊目标导致现有算法精度低漏检率高问题,提出了基于YOLOv5s的SDD-YOLO算法。SDD-YOLO通过使用双层路由Transformer将局部特征与全局特征结合,提高对结构模糊的缺陷的检测效果;设计了全新的CSDA注意力,增强空间和通道的信息交互能力;使用NWD距离改进NMS算法,提高对小尺度目标的检测精度;设计了一种新的特征提取结构,降低梯度信息损失。使用增强后NEU-DET数据集实验后表明,SDD-YOLO算法相比YOLOv5s召回率提升了6.22%,平均精度均值提高了5.38%,提高了对多种缺陷类型的检测能力同时能够满足实时检测的需求。

主 题 词：Transformer YOLOv5 钢铁缺陷检测 注意力机制 NWD 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 080202[080202] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2024.05.019

馆 藏 号：203127872...