基于改进YOLOv5s模型的刨花板表面缺陷检测方法  

作　　者：关淯尹 王文财 沈彤 李嘉禄 王丙军 

机构地区：[1]北京建筑材料科学研究总院有限公司,北京100041 [2]金隅天坛(唐山)木业科技有限公司,河北唐山063200

出　　处：《智能制造》2024年第5期104-112,共9页Intelligent Manufacturing

摘　　要：针对刨花板缺陷检测中小目标检测的精度提升问题,提出了YOLOv5s-MCF旨在有效地检测刨花板表面的小目标缺陷。该算法首先在轻量化的基础上,采用MobileViT模块,引入Transformer的全局信息提取能力,以增强网络的整体特征提取能力,同时避免增加计算成本。其次,利用分辨率更高的P2层特征信息,增加一个专门用于检测微小目标的检测头。最后,采用CA机制,优化检测头的特征利用效率,并引入Focal Loss函数,使模型更关注小目标等难检测样本。通过YOLOv5s-MCF模型对某木业公司刨花板四种表面缺陷的数据集进行训练和验证,并将训练后的模型应用于刨花板图像的缺陷检测。结果表明:YOLOv5s-MCF模型针对刨花、胶斑、油污及粉尘斑四类缺陷的识别结果均在90%以上,能够满足刨花板表面缺陷的检测精度要求。刨花、粉尘斑及胶斑缺陷的检测精度较原YOLOv5s模型均明显提升,其中小尺寸瑕疵刨花的m AP由0.545涨至0.894(提升34.9%),粉尘斑的m AP由0.886涨至0.981(提升9.5%),说明本研究方法不仅显著改善典型缺陷目标的识别效果,还在处理复杂尺度变化和小目标缺陷干扰时表现突出,相较于YOLOv5s算法,显著提升了检测精度。

关 键 词：刨花板表面缺陷检测 YOLOv5s-MCF 小目标检测 深度学习 

分 类 号：TS653.922[轻工技术与工程]