基于改进YOLOv5s模型的金属表面缺陷检测方法

作     者：马鸽 邓开宏 李国章 李洪伟 邹涛 MA Ge;DENG Kai-hong;LI Guo-zhang;LI Hong-wei;ZOU Tao

作者机构：广州大学机械与电气工程学院广东广州510006 

基　　金：广州大学创新训练资助项目(202211078129) 

出 版 物：《广州大学学报（自然科学版）》 (Journal of Guangzhou University:Natural Science Edition)

年 卷 期：2024年第23卷第4期

页      码：9-19页

摘      要：精密零件广泛应用于国防、医疗器械、航空航天、电子等产业,是实现“中国制造2025”宏伟蓝图的基础部件之一。然而,在精密零件的加工过程中,零件表面不可避免地会出现裂痕、点蚀表面、划痕等缺陷,导致零件质量和精度下降,进一步地影响设备性能和使用寿命。因此,零件表面缺陷的有效检测至关重要。为解决金属表面小目标缺陷漏检误检、精确度低的问题,文章设计了一种用于金属零件缺陷检测的改进YOLOv5s模型。首先,针对零件表面缺陷成像多为条纹状或点状特征、类型相对简单的特点,设计了一种轻量化的GhostC3模块,使用更少的参数,通过减少计算量生成特征图;其次,结合点蚀表面、轧制氧化皮等类型缺陷尺寸普遍偏小且分布不均匀的特点,设计一种基于双向特征金字塔网络BiFPN的Concat_BiFPN模块,充分利用BiFPN对不同尺度特征的融合能力,提高小目标检测的精度和稳定性;最后,充分利用SIoU(Spatial Intersection over Union loss)惩罚函数同时考虑目标形状、空间关系的特点,更好地捕捉不同尺寸的目标在图像中的位置关系,从而提高目标位置的精确性。在NEU-DET数据集上的消融实验和对比实验表明,该方法在参数量大幅降低的情况下获得了更高的多类别平均精度。

主 题 词：表面缺陷检测 YOLOv5s 特征融合 SIoU 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 

D　O　I：10.3969/j.issn.1671-4229.2024.04.002

馆 藏 号：203142754...