针对目前航空发动机表面人工缺陷检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先,在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次,在backbone网络中引入...针对目前航空发动机表面人工缺陷检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先,在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次,在backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后,将YOLOv5的定位损失函数改进为efficient intersection over union损失,在加快模型收敛的同时提高预测框回归精度。实验结果表明,所提YOLOv5-CE模型,相比原YOLOv5s网络,在检测速度几乎没有下降的情况下平均精度均值提高了1.2个百分点,达到了98.5%,能够高效智能检测航空发动机4种常见类型缺陷。展开更多
文摘针对目前航空发动机表面人工缺陷检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先,在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次,在backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后,将YOLOv5的定位损失函数改进为efficient intersection over union损失,在加快模型收敛的同时提高预测框回归精度。实验结果表明,所提YOLOv5-CE模型,相比原YOLOv5s网络,在检测速度几乎没有下降的情况下平均精度均值提高了1.2个百分点,达到了98.5%,能够高效智能检测航空发动机4种常见类型缺陷。
