改进YOLOv5的镜头固定槽表面缺陷检测  

Lens fixing slot surface defect detection based on improved YOLOv5

作　　者：张路遥 韩华[1] ZHANG Lu-yao;HAN Hua

机构地区：[1]上海工程技术大学电子电气工程学院,上海201620

出　　处：《制造业自动化》2023年第3期5-8,25,共5页Manufacturing Automation

基　　金：国家自然科学基金资助项目(61305014);上海市教育委员会和上海市教育发展基金会“晨光计划”资助项目(13CG60)。

摘　　要：针对手机镜头固定槽表面缺陷过小导致自动化质检平台难以检测的问题,提出改进YOLOv5的镜头固定槽表面缺陷检测算法实现。在图片预处理阶段使用有效的数据增强策略来平衡不同类别样本的分布;在FPN中添加融合因子控制特征图融合时深层传递到浅层的信息,得到含有更多小目标信息的多尺度特征图;使用K-means算法得到更适合本数据集的先验框数量和大小。通过采集的镜头固定槽表面缺陷数据集评估本算法的性能,并和基线算法YOLOv5进行对比分析。实验结果表明,改进的算法对小目标缺陷拥有更好的检测效果,并且对各类缺陷均能实现准确分类定位,平均精度均值(mAP)达到92.70%,满足智能制造自动化生产的需求。

关 键 词：表面缺陷 融合因子 K-MEANS YOLOv5 目标检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]