-
题名基于YOLOv5n的轻量级织物疵点检测算法
被引量：5
- 1
-
-
作者
李洋
李敏
黄政
董雄伟
朱立成
-
机构
武汉纺织大学先进纺纱织造及清洁生产国家地方联合工程实验室
武汉纺织大学计算机与人工智能学院
武汉纺织大学纺织服装智能化湖北省工程研究中心
毕生纺织有限公司
-
出处
《毛纺科技》
CAS
北大核心
2024年第5期87-97,共11页
-
文摘
针对轻量级模型在检测织物疵点时精确率低的问题,在YOLOv5n的基础上提出一种上下文增强与混合感受野的织物疵点检测算法。首先,为主干网络设计了一种轻量扩张卷积空间金字塔模块,并将主干网络的下采样比增加至64,在增强上下文信息的同时提取更深层的语义信息,提高模型识别性能;其次,为颈部网络设计了一种混合感受野融合模块代替原C3模块并进行特征融合,提高极端长宽比目标的检测精度。实验表明:该算法在基于天池织物数据集上的IOU阈值为0.5时的平均精度均值mAP 50、精确率、召回率分别达到了93.1%、91.6%、89.1%,相较于原YOLOv5n算法分别提高了4.9%、7.3%、5.0%,且模型文件大小仅6.28 MB,更适用于织物疵点检测领域。
-
关键词
疵点检测
深度学习
YOLOv5n
空间金字塔
感受野融合
-
Keywords
defects detection
deep learning
YOLOv5n
spatial pyramid
receptive field fusion
-
分类号
TS391.41
[轻工技术与工程]
-
