-
题名改进YOLOv5的工业产品表面缺陷检测方法
- 1
-
-
作者
刘兆英
陈志远
张婷
时亚南
陈迎春
-
机构
北京工业大学计算机学院
新疆维吾尔自治区特种设备检验研究院新疆特种设备检测技术研究重点实验室
北京工业大学建筑工程学院
-
出处
《郑州大学学报(工学版)》
北大核心
2025年第5期18-25,共8页
-
基金
新疆维吾尔自治区自然科学基金资助项目(2023D01A22)
国家市场监管总局科技计划项目(2021MK119)的支持。
-
文摘
针对工业场景下资源受限且表面缺陷图像对比度低的问题,提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先,在骨干网络中引入感受野增强模块,用于从不同层次的感受野提取更丰富的视觉特征;其次,在特征融合网络中添加混洗注意力模块,更有效地对不同维度的特征图进行融合;最后,采取了任务解耦检测头,使分类和回归两个任务采用相互独立的网络进行预测,降低彼此的干扰,提升检测精度。实验结果表明:该网络的参数量和计算量均低于YOLOX、YOLOv7、deformable DETR等模型,且在管道数字射线(DR)缺陷图像数据集PDD和NEU-DET数据集上,mAP@0.5分别提高2.23百分点和2.99百分点,兼顾了工业场景下对缺陷检测实时性和精确性的要求。
-
关键词
表面缺陷检测
计算机视觉
多尺度特征提取
注意力机制
解耦检测头
-
Keywords
surface defect detection
computer vision
multi-scale feature extraction
attention mechanism
decoupling detection head
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
