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。
出处
《电脑知识与技术》
2024年第6期47-51,共5页
Computer Knowledge and Technology
基金
安徽省教育厅2020年度安徽高校自然科学项目(KJ2020A1218)。
作者简介
杨海斌(1996-),男,硕士,研究方向为大数据科学与技术。
