-
题名基于改进YOLOv5的陶瓷表面缺陷检测算法
被引量：2
- 1
-
-
作者
潘金晶
曾成
张晶
李再勇
耿雪娜
-
机构
长园视觉科技(珠海)有限公司
长春理工大学计算机科学技术学院
-
出处
《现代信息科技》
2024年第13期70-75,共6页
-
基金
国家自然科学基金青年科学基金(62206028)。
-
文摘
提出一种陶瓷表面缺陷检测算法YOLOv5-G。该算法在YOLOv5框架的基础上,将全局注意力机制(GAM)引入主干和颈部网络中,该机制能够在减少信息弥散的情况下放大全局交互特征,增强了网络的特征表达能力;使用α-CIoU作为改进算法的边界框回归损失函数,自适应地向上加权高IoU对象的损失和梯度,使得模型可以更加关注IoU高的目标,从而帮助提高定位精度。在工业相机成像的陶瓷表面缺陷数据集上进行测试,结果表明,与YOLOv5模型相比,基于α-CIoU的YOLOv5模型的平均精度均值(mAP50)和召回率(Recall)分别提升了2.3%、4.6%;改进算法的平均精度均值(mAP50)、精确率(Precision)、召回率(Recall)分别提升了3.9%、1.7%、5.1%。
-
关键词
陶瓷表面缺陷
全局注意力机制
α-IoU
YOLOv5
-
Keywords
ceramic surface defect
GAM
α-IoU
YOLOv5
-
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]
-
-
题名陶瓷膜表面缺陷的表征与分类研究
被引量：3
- 2
-
-
作者
孙进
王宁
孙傲
丁煜
-
机构
扬州大学机械工程学院
扬州树人学校
-
出处
《徐州工程学院学报（自然科学版）》
CAS
2018年第3期76-79,共4页
-
基金
国家自然科学基金项目(51475409)
江苏省"六大人才高峰"高层次人才项目(JXQC-030)
+1 种基金
扬州市市校合作项目(YZ2016244)
扬州大学江都高端装备工程技术研究院开放课题(YDJD201706)
-
文摘
陶瓷膜种类多而杂,对陶瓷膜缺陷的检测则涉及到其表面的缺陷检测(支撑体层),而机器视觉的发展和运用使表面缺陷检测变得更加简单且智能化.文章基于陶瓷膜表面存在的划痕、裂纹、落渣、凹坑4种缺陷,运用MATLAB的图像处理技术和BP神经网络分类对陶瓷膜的表面缺陷进行提取分析和分类,结果表明,BP神经网络分类对陶瓷膜表面缺陷识别的正确率达到78.125%.
-
关键词
机器视觉
陶瓷膜表面缺陷
BP神经网络
MATLAB
-
Keywords
machine vision
ceramic film surface defects
BP neural network
MATLAB
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
