-
题名基于改进YOLOv5的纸病检测方法
被引量：10
- 1
-
-
作者
张开生
关凯凯
-
机构
陕西科技大学电气与控制工程学院
-
出处
《中国造纸》
CAS
北大核心
2022年第10期79-86,共8页
-
基金
陕西省榆林市2020年科技计划项目(CXY-2020-090)。
-
文摘
针对传统纸病检测算法中纸病特征提取困难、实时性差的问题,提出一种改进YOLOv5的纸病检测方法。该方法首先在批量归一化模块的首尾部分添加居中和缩放校准,形成更稳定的纸病有效特征分布;其次在骨干网络中添加坐标注意力机制,增强骨干网络的纸病特征提取能力;最后选用CIoU_loss作为边界框回归的损失函数,实现高精度的定位。实验结果表明,改进后的算法平均精度达99.02%,实时检测速度达41.58帧/s,相较于现有的基于CNN纸病分类算法,检测精度与检测速度都有较大的提升,且改进后的算法对光源的依赖程度更低,能对各类纸病实现精准辨识。
-
关键词
纸病检测
YOLOv5
批量归一化模块
坐标注意力机制
损失函数
-
Keywords
paper defect detection
YOLOv5
batch normalization
coordinate attention
loss function
-
分类号
TS736
[轻工技术与工程—制浆造纸工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
