基于改进DCGAN网络的钢材表面缺陷图像数据增强方法

1

作者 时培明 申世春 +3 位作者 叶蕾 许学方 阚俊明 韩东颖 《计量学报》 北大核心 2025年第9期1377-1384,共8页

针对传统深度卷积生成对抗网络(DCGAN)在生成钢材表面缺陷图像中存在质量差和网络训练不稳定等问题,提出了一种改进DCGAN的钢材表面缺陷图像数据增强模型。首先,将残差模块和自注意力机制添加到DCGAN网络中,提高网络对缺陷图像的特征提... 针对传统深度卷积生成对抗网络(DCGAN)在生成钢材表面缺陷图像中存在质量差和网络训练不稳定等问题,提出了一种改进DCGAN的钢材表面缺陷图像数据增强模型。首先,将残差模块和自注意力机制添加到DCGAN网络中,提高网络对缺陷图像的特征提取能力;其次,引入谱归一化和带梯度惩罚项的Wasserstein距离损失函数,提高网络训练的稳定性;最后,将所提模型在NEU-DET数据集上进行试验。试验结果表明,所提出的模型能够稳定地生成质量较高的钢材表面缺陷图像,相较于原始DCGAN网络,该模型生成图像在AlexNet网络上识别准确率提高了6.8%,FID值降低了61.3%,IS值提高了20.8%,且质量优于GAN、DCGAN、CGAN和WGAN四种主流模型所生成的图像,能够作为一种有效的策略解决钢材表面缺陷图像小样本问题。 展开更多

关键词 几何量计量 钢材表面缺陷 生成对抗网络 图像生成 残差模块 自注意力机制 谱归一化

在线阅读 下载PDF 职称材料

基于YOLOv7-Tiny的轻量化钢材表面缺陷检测方法

2

作者 赵曙光 易文 陆小辰 《东华大学学报(自然科学版)》 北大核心 2025年第4期194-202,共9页

为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Nec... 为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Neck作为新的颈部,在保持检测精度的同时,有效地缩减模型规模和计算量。将SPD卷积与SimAM相结合作为新头部,加强对低分辨率小目标的检测能力。在NEU-DET和GC10-DET上的试验结果表明,改进算法在表现上优于数十种先进网络。相比于原始算法,改进算法在NEU-DET上,m_(AP)提升了7%,GFLOPS减少了2.5 G(Giga),参数减少了3 M(Mega),特别是小目标检测效果显著提高。在GC10-DET上,m_(AP)提升了3%,FPS达125。两者试验结果表明,提出的方法在缺陷检测领域表现出色,而且轻量化设计使其更适用于多种场景。 展开更多

关键词 钢材表面缺陷检测 YOLOv7-Tiny TGS-SPPCFSPC 小目标 轻量化

在线阅读 下载PDF 职称材料

改进YOLOv8的钢材表面缺陷检测算法 被引量：2

3

作者 徐莲蓉 梁少华 《现代电子技术》 北大核心 2025年第4期173-180,共8页

为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone... 为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone中,使模型能够更好地关注目标缺陷的特征信息;接着,采用高效层聚合网络(RepGFPN)模块作为颈部网络,充分融合不同尺度的特征,提高特征融合能力;最后,引入轻量级上采样算子CARAFE,进一步提升模型的检测效果。实验结果显示,在公开的NEU-DET数据集上,改进后模型的平均精度均值(mAP)达到了81.1%,相较于原始YOLOv8模型,mAP提高了2.7%,精确率提升了3.9%。与此同时,在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性,证明了所提算法能够有效地完成钢材表面缺陷的检测任务。 展开更多

关键词 钢材表面缺陷 缺陷检测 YOLOv8算法 坐标注意力机制 高效层聚合网络 识别能力

在线阅读 下载PDF 职称材料

基于改进YOLOv7⁃tiny的钢材表面缺陷检测 被引量：1

4

作者 张瑞雪 陈琳 《现代电子技术》 北大核心 2025年第14期43-49,共7页

针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引... 针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引入SPDConv作为下采样模块,避免小目标细粒度信息的丢失,有效解决了小目标检测困难的问题;最后,针对大目标缺陷检测效率低的问题,增加一个大目标检测层以扩大模型的感受野,提高对大目标缺陷的检测精度。实验结果表明:改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均精度均值(mAP)达到了81.4%,比原算法提高了6.7%,检测性能优于其他主流检测算法;并且具有较少的参数量和较快的检测速度,可满足工业钢材表面缺陷检测的实时性和高效性要求。 展开更多

关键词 YOLOv7-tiny 钢材表面缺陷检测 目标检测 细粒度 动态蛇形卷积 特征提取

在线阅读 下载PDF 职称材料

基于CNN和CBAM的钢材表面缺陷检测研究

5

作者 徐吉高 陈江义 +1 位作者 秦东晨 沈鹏 《机械设计与制造》 北大核心 2025年第2期149-152,共4页

为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征... 为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征重复利用,提升模型的表现力。实验结果表明:在数据集特征信息少、分类对象较为单一的情况下,本文所提出方法相较于更深层次的网络模型对于分类任务取得更好的效果,缺陷检测分类准确率可达99%,平均检测速度8.21ms,满足实时检测需求。 展开更多

关键词 钢材表面缺陷检测 卷积神经网络 卷积注意力模块

在线阅读 下载PDF 职称材料

改进YOLOv10的钢材表面缺陷检测方法 被引量：1

6

作者 吴葛 朱宇凡 叶天成 《电子测量技术》 北大核心 2025年第4期158-168,共11页

针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone... 针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone网络轻量化与特征提取能力增强的平衡;在Backbone网络末端添加自适应细粒度通道注意力机制AFGC,增强模型骨干网络对输入特征的初步提取能力,进而提高模型的检测精度;将Neck部分换为注意力尺度序列融合框架ASF,提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验,实验结果表明,提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%,计算量降低7.69%,检测精度提高2.9个点,达到83.6%的检测准确率,在降低模型复杂度的同时实现了较高的检测准确率,在工业系统中具有高可用性与高实时性。 展开更多

关键词 钢材表面缺陷检测 YOLOv10 FasterNet EMA AFGC ASF-YOLO

在线阅读 下载PDF 职称材料

融合MobileNetv3的轻量级YOLOv8钢材表面缺陷检测

7

作者 胡名琪 陈辉明 +2 位作者 徐伟 郭诚君 刘秋明 《科学技术与工程》 北大核心 2025年第16期6831-6840,共10页

针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOL... 针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOLOv8n的自带IoU(intersection over union)候选框损失函数替换成WIoU(weighted IoU)函数,通过增添非单调聚焦机制,提高模型的鲁棒性。其次,使用MobileNetv3网络替换YOLOv8n的骨干特征提取网络模块,将轻量级网络用于特征提取端降低网络复杂度,减少冗余开销。最后,在特征融合阶段使用DW卷积和C3Ghost模块对原网络的相应模块进行替换,使改进后的网络减少模型参数,进一步提升检测速度。使用钢材表面缺陷数据集NEU-DET进行模型验证,YOLOv8n-MDC模型mAP达81.3%,较YOLOv8n模型提升5%;参数量与计算量分别为1.02 M和2.1 GFLOPs,仅为原模型的33.9%和25.9%,达到工业要求。提出的轻量级算法在保证检测精度提升的同时大大降低了算法的复杂度和计算资源的开销,为钢材表面缺陷检测提供了一个优化思路。 展开更多

关键词 钢材表面缺陷 缺陷检测 轻量级网络 YOLOv8 MobileNetv3

在线阅读 下载PDF 职称材料

改进YOLOv5的钢材表面缺陷检测网络轻量化研究 被引量：4

8

作者 甄国涌 赵林熔 +3 位作者 李文越 储成群 王达 孙妍 《组合机床与自动化加工技术》 北大核心 2024年第3期58-63,共6页

在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后... 在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后,利用SIOU边界框损失函数训练模型,使模型能够快速收敛并且精确回归。在NEU-DET上的实验结果表明,改进后的模型mAP值提升到77.0%,相较于原模型提高了5.3%,模型体积减少了42.1%,参数量减少了43.4%,检测速度也快了0.4 ms,实现了模型轻量化效果和检测精度的平衡,为后续在硬件终端上部署提供了一种可行方案。 展开更多

关键词 目标检测 钢材表面缺陷 YOLOv5 轻量化网络

在线阅读 下载PDF 职称材料

基于改进YOLOv5的钢材表面缺陷检测

9

作者 刘祉燊 张晓玲 +2 位作者 刘珂宇 刘晓军 刘晓静 《兵工自动化》 北大核心 2024年第12期30-34,共5页

针对钢材表面缺陷检测中小目标缺陷检测效果不理想、特征提取不充分的问题,以YOLOv5算法为基础,提出一种YOLOv5s-ADW算法。将自注意力与卷积混合模块(a mixed model of self-attention and convolution,ACmix)融入主干网络层,增强模型... 针对钢材表面缺陷检测中小目标缺陷检测效果不理想、特征提取不充分的问题,以YOLOv5算法为基础,提出一种YOLOv5s-ADW算法。将自注意力与卷积混合模块(a mixed model of self-attention and convolution,ACmix)融入主干网络层,增强模型的特征敏感度;在特征融合层中加入可变形大内核注意力机制(deformable large kernel attention,D-LKA),增强模型对图像中不规则缺陷的捕捉能力;将原损失函数替换为Wise-IoU损失函数,降低数据集中低质量示例对模型检测效果的影响并提升小目标缺陷检测能力,在NEU-DET上进行实验验证。实验验证结果表明:YOLOv5s-ADW算法的平均精度均值(mean average precision,mAP)达到88.3%,相较原始模型提升了14.4%;小目标缺陷和漏检率高的缺陷平均精度(average precision,AP)也有较大提升,相比其他主流算法,能够更好解决上述问题。 展开更多

关键词 YOLOv5 钢材表面缺陷检测 小目标缺陷检测 特征提取

在线阅读 下载PDF 职称材料

基于改进SSD的钢材表面缺陷检测 被引量：25

10

作者 阎馨 杨月川 屠乃威 《现代制造工程》 CSCD 北大核心 2023年第5期112-120,共9页

工业生产过程中,钢材表面缺陷的检测对于钢材的质量控制发挥着十分重要的作用,针对钢材表面缺陷检测中存在的检测精度低、检测速度慢等问题,提出了一种钢材表面缺陷检测的改进SSD算法。在所提算法中,采用Transformer多头注意力机制模块... 工业生产过程中,钢材表面缺陷的检测对于钢材的质量控制发挥着十分重要的作用,针对钢材表面缺陷检测中存在的检测精度低、检测速度慢等问题,提出了一种钢材表面缺陷检测的改进SSD算法。在所提算法中,采用Transformer多头注意力机制模块代替原SSD结构中的Conv5_1层,以提高小目标检测的能力;原SSD结构中的Conv7操作替换为Involution算子操作,以减少运算的参数量;对网络结构进行特征融合处理,以更全面地检测特征图中所包含的信息。利用NEU-DET数据集进行实验,实验结果表明改进后的SSD算法是有效的,可以高效检测到钢材表面的小目标缺陷,相比改进前平均检测精度提高了4.5%,检测速度提高了13.6%。 展开更多

关键词 钢材表面缺陷检测 改进SSD算法 注意力机制 Involution算子 特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv5的钢材表面缺陷检测 被引量：12

11

作者 吴敌 李明辉 +2 位作者 马文凯 李睿童 李艳 《陕西科技大学学报》 北大核心 2023年第2期162-169,共8页

针对当前钢材表面缺陷种类多、形态复杂等原因导致的检测精度低的问题,本文提出了一种基于改进YOLOv5目标检测网络的缺陷检测方法.首先,对于在检测中小目标缺陷易被漏检、错检的问题,增加了小目标检测层;其次,对于缺陷图像表现的背景复... 针对当前钢材表面缺陷种类多、形态复杂等原因导致的检测精度低的问题,本文提出了一种基于改进YOLOv5目标检测网络的缺陷检测方法.首先,对于在检测中小目标缺陷易被漏检、错检的问题,增加了小目标检测层;其次,对于缺陷图像表现的背景复杂,且部分缺陷交叉、重叠等问题,引入了Transformer encoder block模块和Convolutional block attention model(CBAM)模块,使网络能更加有效地对抗复杂背景信息,专注于目标对象的检测;最后,使用NEU-DET数据集对该改进模型进行了实验.结果表明,相较于原YOLOv5模型,该方法在缺陷检测方面的精度提升了6.5%;相较于Faster-RCNN模型,其精度提高了约10%.因此,该方法在钢材表面缺陷检测上,具有较好的检测精度和效率. 展开更多

关键词 目标检测 钢材表面缺陷 YOLOv5 注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv5的钢材表面缺陷检测算法 被引量：44

12

作者 李鑫 汪诚 +3 位作者 李彬 郭振平 李秋良 李卓越 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2022年第2期26-33,共8页

针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入S... 针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量。实验表明,改进的YOLOv5s-GSD算法,模型体积减少了10.4%,在测试集上的mAP值为76.8%,相比原YOLOv5s网络提高了3.3%,检测精度和速度也明显高于一些主流算法。相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署。 展开更多

关键词 钢材表面缺陷 YOLOv5 检测算法 注意力机制

在线阅读 下载PDF 职称材料

基于FF R-CNN钢材表面缺陷检测算法 被引量：34

13

作者 韩强 张喆 +1 位作者 续欣莹 谢新林 《太原理工大学学报》 CAS 北大核心 2021年第5期754-763,共10页

针对深度学习算法检测钢材表面缺陷时,结构信息减少导致检测精度低的问题,提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。首先利用主干网络提取特征图,通过融合特征图的方式,达到减少结构信息丢失的目的;进一步... 针对深度学习算法检测钢材表面缺陷时,结构信息减少导致检测精度低的问题,提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。首先利用主干网络提取特征图,通过融合特征图的方式,达到减少结构信息丢失的目的;进一步将生成的特征图输入RPN网络生成区域建议框;最后利用检测网络对区域建议框进行分类与回归,通过级联2个检测网络,实现精确检测结果的目标。对模型进行对比性实验分析,找出检测精度最优的算法模型。在NEU-DET数据集上对提出的算法进行了检验,主干网络采用VGG-16比采用Resnet-50的检测精度提高了2.40%;通过融合特征,检测精度提高了11.86%;通过检测网络的级联,检测精度提高了2.37%.通过对算法模型的不断改进和优化,检测精度达到了98.29%.与传统的钢材表面检测方法相比,改进算法能够更准确地检测出钢材表面缺陷的种类和位置,提升对钢材表面缺陷的检测精度。 展开更多

关键词 钢材表面缺陷检测 深度学习 Faster R-CNN 特征融合 级联检测网络

在线阅读 下载PDF 职称材料

基于改进深度网络的钢材表面缺陷检测 被引量：11

14

作者 刘琪 雷景生 《计算机工程与设计》 北大核心 2022年第9期2654-2661,共8页

为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU... 为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU损失函数替代原算法中的Smooth L1作为边框回归损失函数;构建用于模型训练的钢材缺陷数据集。通过对比实验进行分析,实验结果表明,提出方法能够快速、准确地识别和定位钢材表面缺陷。 展开更多

关键词 钢材表面缺陷检测 Faster RCNN模型 双路径网络 路径增强网络 交并比损失函数

在线阅读 下载PDF 职称材料

基于CBE-YOLOv5的钢材表面缺陷检测方法 被引量：6

15

作者 赵林熔 甄国涌 +1 位作者 储成群 单彦虎 《电子测量技术》 北大核心 2023年第15期73-80,共8页

针对钢材表面缺陷种类多,背景干扰强且尺度变化多样导致的检测效率低、精度差的问题,提出了一种钢材表面缺陷检测算法CBE-YOLOv5。在YOLOv5算法基础上进行改进,通过主干采用坐标注意力机制,加强对目标的关注,提高特征提取能力;用BiFPN... 针对钢材表面缺陷种类多,背景干扰强且尺度变化多样导致的检测效率低、精度差的问题,提出了一种钢材表面缺陷检测算法CBE-YOLOv5。在YOLOv5算法基础上进行改进,通过主干采用坐标注意力机制,加强对目标的关注,提高特征提取能力;用BiFPN作为特征提取网络,给出有效的特征对应权重,以充分融合不同尺度的特征,并通过EIOU来计算模型损失,使模型能更精确的回归。在公开数据集NEU-DET上的实验结果表明,CBE-YOLOv5算法mAP为75.5%,较YOLOv5提高了3.8%,检测速度也高于一些常见的目标检测算法,能够更准确、更快速地检测到钢材表面的缺陷。 展开更多

关键词 钢材表面缺陷 YOLOv5 注意力机制 特征金字塔 EIOU

在线阅读 下载PDF 职称材料

基于自注意特征融合的钢材表面小目标缺陷检测 被引量：2

16

作者 冯夫健 罗太维 +2 位作者 谭棉 汪小梅 王岳继 《电子测量技术》 北大核心 2024年第19期172-180,共9页

针对钢材表面小目标缺陷占比小,对比度低,导致钢材表面小目标缺陷检测模型提取丰富缺陷特征失效的问题。基于联系上下文信息和增强特征融合之间的关系,对钢材表面小目标缺陷检测问题提出以下解决方案:首先,结合滑动窗口机制Swin Transfo... 针对钢材表面小目标缺陷占比小,对比度低,导致钢材表面小目标缺陷检测模型提取丰富缺陷特征失效的问题。基于联系上下文信息和增强特征融合之间的关系,对钢材表面小目标缺陷检测问题提出以下解决方案:首先,结合滑动窗口机制Swin Transformer,利用分层结构和局部窗口整合不同特征块的特征信息,以在降低卷积操作密集性的基础上增强小目标缺陷特征信息的对比度;其次,采用坐标注意力机制使模型获得更多的位置信息,以增强小目标缺陷特征信息的多样性;最后结合具有丰富梯度流信息的特征融合模块CSP-FCN,提出了基于自注意特征融合的钢材表面小目标缺陷检测模型SFNet,该模型将不同尺度特征融合以产生丰富的语义信息,增强钢材表面小目标缺陷的特征表达能力。实验结果表明,SFNet在NEU-DET和GC10-DET公开数据集上的检测性能优于目前经典的目标检测模型。此外,所提模型在参数量减少为原来1/2的基础上平均精度值分别提升了3%和3.7%。 展开更多

关键词 钢材表面缺陷 小目标缺陷检测 Swin Transformer 位置信息 特征融合

在线阅读 下载PDF 职称材料

ZZX-YOLO:改进YOLOv7-tiny的钢材缺陷检测算法

17

作者 周赵轩 曹岩 《计算机工程与应用》 北大核心 2025年第16期315-323,共9页

针对钢材表面缺陷尺寸变化大,采集图像特征不明显,导致传统缺陷检测方法在实际应用中容易出现漏检、检测效率低和不易部署在移动端设备中等问题,提出了一种面向工业环境的轻量化钢材表面缺陷检测方法ZZX-YOLO。针对普通卷积计算量大的问... 针对钢材表面缺陷尺寸变化大,采集图像特征不明显,导致传统缺陷检测方法在实际应用中容易出现漏检、检测效率低和不易部署在移动端设备中等问题,提出了一种面向工业环境的轻量化钢材表面缺陷检测方法ZZX-YOLO。针对普通卷积计算量大的问题,提出一种新的轻量级卷积技术ZZXConv,增强了特征图的纹理特征,抑制了冗余信息,促进了检测精度和速度的提升;基于ZZXConv设计了一种全新的ZZX残差模块,实现了更丰富的特征聚合,增强了特征提取能力,并且设计了ZZX_CSPC模块取代YOLOv7-tiny颈部结构中的ELAN-tiny,提高特征的表达能力和弱化无关的特征信息,以实现更高的计算成本效益。使用K-means++算法重新聚类生成先验框,提高了检测精度和检测速度。实验结果表明,改进的算法在数据集上的平均精度达到了63.13%,相比于原算法,精确度提高了7.70个百分点,参数量下降了8.53%,证明了ZZX-YOLO的有效性。 展开更多

关键词 轻量化钢材表面缺陷检测 YOLOv7-tiny ZZXConv ZZX_CSPC模块 ZZX-YOLO

在线阅读 下载PDF 职称材料

改进YOLOv5s算法的带钢表面缺陷检测 被引量：2

18

作者 王林琳 龚昭昭 梁泽启 《组合机床与自动化加工技术》 北大核心 2024年第12期181-186,共6页

针对带钢表面缺陷小目标检测精度低以及检测效率低等问题,提出了一种基于YOLOv5s的带钢表面缺陷检测算法。首先,增加一个大尺度预测层,通过更丰富的位置信息提高小目标缺陷的检测效果,减少漏检和误检的问题;其次,将Shuffle Netv2轻量化... 针对带钢表面缺陷小目标检测精度低以及检测效率低等问题,提出了一种基于YOLOv5s的带钢表面缺陷检测算法。首先,增加一个大尺度预测层,通过更丰富的位置信息提高小目标缺陷的检测效果,减少漏检和误检的问题;其次,将Shuffle Netv2轻量化骨干网络替换原来的CSPDarknet53网络结构,降低模型参数数量,加快模型推理速度;然后,在特征提取网络末端添加基于Transformer编码的C3TR模块以及在特征融合网络中添加CA注意力机制,增强网络对缺陷的特征提取能力;最后,引入WIoU损失函数来取代GIoU,提高回归精度。实验结果表明,改进后的YOLOv5s算法在武汉某钢厂采集的带钢表面缺陷数据集上平均准确率(mAP)达到92.2%,较原始YOLOv5s提高了4.7%,检测速度FPS达到了82,具有较高检测精度。并引入公开数据集进行泛化实验,结果均有显著提升,进一步满足了对带钢表面缺陷检测的需求。 展开更多

关键词 钢材表面缺陷 YOLOv5s Shuffle Netv2 C3TR模块 CA注意力机制 WIoU损失函数

在线阅读 下载PDF 职称材料

针对钢材表面小目标缺陷实时检测 被引量：3

19

作者 朱传军 梁泽启 +2 位作者 付强 张超勇 刘荣光 《组合机床与自动化加工技术》 北大核心 2023年第11期133-137,共5页

钢材表面缺陷检测任务中,YOLO将目标检测转换为对位置信息的回归问题,实现高帧率实时检测,但对小目标缺陷定位精度有所欠缺。针对该问题,以YOLOv5s架构为基础,首先,在模型输入端设定动态尺度训练范式,提高小目标缺陷训练精度;其次,设计S... 钢材表面缺陷检测任务中,YOLO将目标检测转换为对位置信息的回归问题,实现高帧率实时检测,但对小目标缺陷定位精度有所欠缺。针对该问题,以YOLOv5s架构为基础,首先,在模型输入端设定动态尺度训练范式,提高小目标缺陷训练精度;其次,设计STD-CA模块利用图像转换技术,避免下采样过程中分辨率的降低,导致小目标缺陷特征信息的丢失,并引导特征提取能力,降低无关背景特征关注度,进一步提高模型小目标缺陷检测精度。结果表明,在NEU-DET数据集中,改进后模型在保证检测速度保持在54 frame/s的同时,平均精度均值达到86.6%,较YOLOv5s提高17.6%,对小目标缺陷定位更加准确,目前优于其他深度学习钢材实时检测模型。 展开更多

关键词 钢材表面缺陷 小目标检测 YOLO回归模型 STD-CA

在线阅读 下载PDF 职称材料

基于机器识别的带钢表面缺陷检测研究 被引量：2

20

作者 付强 朱传军 梁泽启 《机床与液压》 北大核心 2024年第10期194-200,共7页

针对传统带钢表面缺陷检测技术落后、效率不高及小目标识别能力不足等问题,提出一种改进的YOLOv5s-Tiny目标检测模型,在保持模型较小计算量的同时提升检测速度和识别精度。通过将主干网络GSP-Darknet53替换为轻量级GhostNet网络,减少模... 针对传统带钢表面缺陷检测技术落后、效率不高及小目标识别能力不足等问题,提出一种改进的YOLOv5s-Tiny目标检测模型,在保持模型较小计算量的同时提升检测速度和识别精度。通过将主干网络GSP-Darknet53替换为轻量级GhostNet网络,减少模型参数的数量,提高推理速度。在主干网络加入CBAM注意力机制,通过通道注意力机制和空间注意力机制对特征信息进行融合增强,提高小目标检测精度,并将损失函数GIoU改进为EIoU,提高检测框定位能力。最后将改善后的训练模型格式转换后安装到手机安卓端验证优化的有效性。结果表明:在东北大学数据集中,改进后模型检测精度提高1.5%的同时,召回率提升了1.5%,参数量减少12.3%;安卓端检测速度约为120 ms,完成带钢缺陷的实时检测。 展开更多

关键词 钢材表面缺陷 小目标检测 YOLOv5s 轻量化 注意力机制

在线阅读 下载PDF 职称材料