-
题名基于YOLO的双层注意力缺陷检测算法
被引量：2
- 1
-
-
作者
王素珍
吕基岳
葛润东
邓成禹
-
机构
青岛理工大学信息与控制工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第5期91-95,99,共6页
-
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)。
-
文摘
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。
-
关键词
TRANSFORMER
YOLOv5
钢铁缺陷检测
注意力机制
NWD
-
Keywords
Transformer
YOLOv5
steel defect detection
attention mechanism
NWD
-
分类号
TH16
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
