-
题名基于FN-YOLOv5的连铸坯表面缺陷检测方法
- 1
-
-
作者
成彬
王井浩
何博
雷华
-
机构
西安建筑科技大学机电工程学院
中国重型机械研究院股份公司
-
出处
《材料科学与工艺》
北大核心
2025年第3期57-66,共10页
-
基金
陕西省自然科学基础研究计划项目(2021JM-360)。
-
文摘
为解决连铸坯表面缺陷类别多、特征差异大造成的检测精度低、误检漏检和难以实时检测等问题,提出一种基于改进YOLOv5s的面向连铸坯表面缺陷分形特征检测算法(FN-YOLOv5),以实现连铸坯表面缺陷的快速、精确、智能化检测。首先,在YOLOv5s模型多尺度特征融合网络引入压缩与激励注意力机制,实现特征权重自适应调整;其次,采用BiFPN网络替换原始网络结构,提高模型多尺度特征融合能力;最后,基于Swin Transformer引入C3STR模块,增强模型密集目标信息捕获能力。面向连铸坯表面缺陷数据集和经典开源热轧带钢缺陷数据集NEU-DET的实验结果表明:FN-YOLOv5算法在两个数据集的平均检测精确率分别达到0.786和0.784,较YOLOv5s算法分别提高5.4%和4.7%,检测速度分别为91.74和88.64帧每秒。在满足实际应用需求基础上,验证了检测精度和普适性能力的提升,与其他经典目标检测算法相比,FN-YOLOv5整体表现更出色均衡,为钢铁冶金领域智能化无损检测提供技术参考。
-
关键词
连铸坯表面缺陷
目标检测
通道注意力机制
多尺度特征融合
滑动窗口变换
-
Keywords
surface defects of continuous casting billets
target detection
channel attention mechanism
multi scale feature fusion
sliding window transform
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
TG245
[金属学及工艺—铸造]
-
