基于计算机视觉红外热波板材内部孔洞检测方法  

作　　者：李铁军[1] 葛新强 LI Tiejun;GE Xinqiang

机构地区：[1]沈阳化工大学装备可靠性研究所,辽宁沈阳110142 [2]沈阳化工大学材料科学与工程学院,辽宁沈阳110142

出　　处：《信息技术与信息化》2025年第3期34-37,共4页Information Technology and Informatization

摘　　要：针对板材内部缺陷无损检测精度不足,检测模型计算量大问题,文章提出了一种基于红外热波和深度学习相结合的检测方法。首先将YOLOv5s模型作为基础网络结构,引入轻量化网络GhostNetv2替换原CSPDarknet主干网络,减少模型参数量和计算资源需求让网络更加轻量化。其次,引入ECA高效通道注意力机制,在保持网络轻量化的同时增强网络对孔洞缺陷区域的关注力,以便更加充分地提取孔洞缺陷特征。最后,将CIoU损失函数替换成Focal-EIoU损失函数,通过优化边界框的位置和大小,从而提高孔洞缺陷识别的鲁棒性和收敛速度。经验证,改进后的YOLOv5s模型,在红外条件下识别孔洞缺陷相比于原始模型,平均精度均值(mAP)提升2.1%,模型参数量降低28.5%,检测速度达到51.42帧/s,可以满足日常板材生产线的缺陷检测需求。

关 键 词：红外无损检测 深度学习 YOLOV5 缺陷识别 盲孔检测 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]