基于改进YOLOv5的磁瓦表面缺陷检测方法研究  

作　　者：李铁军 罗洁[1] 富禄祥 LI Tiejun;LUO Jie;FU Luxiang

机构地区：[1]沈阳化工大学材料科学与工程学院,辽宁沈阳110000 [2]沈阳化工大学装备可靠性研究所,辽宁沈阳110000

出　　处：《信息技术与信息化》2023年第12期139-141,147,共4页Information Technology and Informatization

基　　金：模型驱动的滚动轴承及多生态环境优化的运行可靠度评估与预测(编号:52275156)。

摘　　要：磁瓦的表面缺陷检测是生产环节的重要部分。针对传统的磁瓦表面目标缺陷检测存在精度低下、速度缓慢、小目标检测难度大等问题,首先采用YOLOv5s作为基础的网络,用改进后的CombinedE ffi cientNetV2网络来代替原YOLOv5中的CSPDarknet网络,让网络更加轻量化的同时检测速度有所提高。其次,将Ciou损失函数替换成性能更好的Focal-Eiou损失函数,提高对磁瓦表面的缺陷提取校正能力。最后,在网络中结合改进后的双Shu ffl eAttention注意力机制,并将激活函数替换成GeLU,让网络能关注到重要位置。通过多次训练网络,与FastRCNN、YOLOv3、SSD、原YOLOv5算法进行对比,P和mAP有不同程度的提升。结果表明,相较于原YOLOv5,改进后的算法mAP提高了3.9%,P提高了4%,FPS达到了41.3帧/s,能满足磁瓦生产线中的缺陷检测需求。

关 键 词：目标检测 深度学习 YOLOv5 缺陷检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TQ174.66[自动化与计算机技术—计算机科学与技术]