-
题名基于RCSI-YOLOv5的轴承表面缺陷检测方法
- 1
-
-
作者
卜扬
屈霞
陈涛
武伟宁
-
机构
常州大学机械与轨道交通学院
常州大学王诤微电子学院
-
出处
《陕西科技大学学报》
北大核心
2025年第2期203-214,共12页
-
基金
教育部高等教育司产学合作协同育人项目(230804973313225,230801913313416)。
-
文摘
针对轴承表面缺陷检测中的小目标漏检、相似特征目标误检、高低质量样本不平衡等问题,提出一种基于RCSI-YOLOv5的轴承表面缺陷检测模型.在主干网络中构建Res2ConvModC3特征提取模块,来提高模型对浅层小目标的特征提取能力和对相似特征的辨别能力;在颈部网络前端设计CGCA注意力机制,增强网络对目标特征的定位能力;在检测头中加入了SimAM注意力机制,提高模型对微小缺陷目标的关注度;设计ISInner-CIoU计算边界框回归损失,缓解高低质量样本不平衡问题.实验结果表明,与原YOLOv5算法相比,RCSI-YOLOv5的mAP@0.5提升1.5%,F1-Score提升1%,凹槽、擦伤、划痕的AP分别提升2.1%、0.5%、1.7%,FNR分别降低1.3%、0.4%、2.1%.有效提升了模型的检测精度,减少了目标的漏检、误检.
-
关键词
轴承表面缺陷检测
YOLOv5
卷积调制
CGCA
SimAM
ISInner-CIoU
-
Keywords
bearing surface defect detection
YOLOv5
convolutional modulation
CGCA
SimAM
ISInner-CIoU
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv8的轻量化轴承缺陷检测算法
- 2
-
-
作者
郎德宝
周凯红
-
机构
广西高校先进制造与自动化技术重点实验室
-
出处
《现代电子技术》
北大核心
2024年第19期115-122,共8页
-
基金
国家自然科学基金面上项目(52075110)
广西自然科学基金重点项目(2023GXNSFDA026045)。
-
文摘
针对工业轴承表面缺陷检测算法精度低、模型参数量大的问题,提出一种改进YOLOv8的轻量化目标检测算法(MFA-YOLOv8)。首先,设计了一种轻量化多尺度特征卷积模块EMFC,基于此重构了主干和颈部部分C2f中的Bottleneck结构,保持轻量化的同时还有效地捕获不同尺度信息的细节特征;其次,引入焦点调制模块FM,提升模型对缺陷目标的表征能力和感受野;最后,引入注意力尺度序列融合模块ASF,进一步提升网络对轴承缺陷的检测精度,减小参数规模。实验结果表明,在GGS数据集上,MFA-YOLOv8的检测精度mAP@0.5高达91.5%,较YOLOv8检测精度提升了2.4%,参数量下降了21.9%,可满足工业现场轴承外观缺陷检测要求。
-
关键词
轴承表面缺陷检测
YOLOv8
多尺度特征卷积
焦点调制网络
注意力尺度序列融合
轻量化
-
Keywords
bearing surface defect detection
YOLOv8
multi-scale feature convolution
focal modulation network
ASF
lightweight
-
分类号
TN911-34
[电子电信—通信与信息系统]
TH133.3
[机械工程—机械制造及自动化]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
