-
题名融合三重注意力机制的板材焊缝缺陷在线检测
- 1
-
-
作者
孟令源
李映君
王桂从
刘源
高嘉龙
徐鹏
-
机构
济南大学机械工程学院
山东省传感器技术与高精度衡器重点实验室
-
出处
《光学精密工程》
北大核心
2025年第11期1818-1829,共12页
-
基金
山东省科技型中小企业创新能力提升工程项目(No.2024TSGC0966,No.2024TSGC0217)
济南市“新高校20条”科研带头人工作资助项目(No.202228116)。
-
文摘
针对现有的焊缝缺陷检测算法存在的小尺度检测不准确、实时性差以及参数量大的问题,提出了一种改进的焊缝缺陷在线检测算法YOLO-TR,实现了对烧糊、烧穿、夹渣、未熔和错边5种常见焊缝缺陷的在线检测。采用三重注意力机制结合YOLOv5特征提取网络算法以提升模型的特征提取能力;颈部网络采用动态上采样模块,提升特征图分辨率,实现高精度检测的要求;通过添加分布式焦点检测头,在降低模型参数量的前提下,增强模型对尺度变化的稳定性;采用Shape-IoU损失函数提升回归精度与模型收敛速度。为验证算法的有效性,采用消融实验和对比实验,对YOLO-TR算法的综合性能进行评估。实验结果表明,YOLO-TR算法的精确率为92.5%,较原网络提升了3.6%;召回率为88.8%,较原网络提升了2.1%;全类型平均精度(mAP@0.5)较原网络提升了0.8%;模型参数量仅提升4.4%。本文算法能够实现焊缝缺陷的高效在线检测,具有良好的稳定性和泛化能力,且验证了YOLO-TR算法对工业缺陷检测领域的有效性。
-
关键词
缺陷检测
YOLOv5
三重注意力机制
分布式焦点检测头
动态上采样
-
Keywords
detection defect
YOLOv5
triple attention mechanism
distributed focus detection head
DySample
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
