-
题名基于YOLOv5s网络改进的钢铁表面缺陷检测算法
被引量：3
- 1
-
-
作者
杨涛
刘美
孟亚男
张斐
刘世杰
莫常春
-
机构
吉林化工学院信息与控制工程学院
广东石油化工学院自动化学院
东莞理工学院机械工程学院
湖南科技大学机械设备健康维护湖南省重点实验室
大连交通大学机车车辆工程学院
-
出处
《机床与液压》
北大核心
2024年第4期19-26,共8页
-
基金
国家自然科学基金面上项目(62073091)
湖南省重点实验室开放基金项目(21903)
广东省普通高校重点领域(新一代信息技术)专项(2020ZDZX3042)。
-
文摘
针对目前钢铁表面缺陷检测算法存在检测精度低、检测速度慢和模型复杂度高等问题,提出基于YOLOv5s改进的钢铁表面缺陷检测算法。将SE通道注意力模块融入骨干网络中以增大缺陷特征通道权重,降低背景干扰,提高算法对缺陷特征的提取能力;在颈部网络融入STR多头自注意力模块,提高缺陷边缘纹理等细节特征的比重;改进损失函数为SIoU,缩短预测框回归收敛过程以提高算法检测速度。实验结果表明:改进算法在NEU-DET数据集上的mAP值为80.4%,较YOLOv5s提高5.5%,每秒处理帧数为100,算法体积降低约8.3%,算法计算量降低约4.3%,对比其他的目标检测算法,改进算法在检测精度、检测速度上均明显提升,模型复杂度降低明显。改进算法可满足实时钢铁表面缺陷检测需求。
-
关键词
钢铁表面缺陷
se通道注意力模块
STR模块
检测算法
-
Keywords
steel surface defects
se channel attention module
STR module
detection algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
