-
题名基于YOLOv5s网络改进的钢铁表面缺陷检测算法
- 1
-
-
作者
杨涛
刘美
孟亚男
张斐
刘世杰
莫常春
-
机构
吉林化工学院信息与控制工程学院
广东石油化工学院自动化学院
东莞理工学院机械工程学院
湖南科技大学机械设备健康维护湖南省重点实验室
大连交通大学机车车辆工程学院
-
出处
《机床与液压》
北大核心
2024年第4期19-26,共8页
-
基金
国家自然科学基金面上项目(62073091)
湖南省重点实验室开放基金项目(21903)
广东省普通高校重点领域(新一代信息技术)专项(2020ZDZX3042)。
-
文摘
针对目前钢铁表面缺陷检测算法存在检测精度低、检测速度慢和模型复杂度高等问题,提出基于YOLOv5s改进的钢铁表面缺陷检测算法。将SE通道注意力模块融入骨干网络中以增大缺陷特征通道权重,降低背景干扰,提高算法对缺陷特征的提取能力;在颈部网络融入STR多头自注意力模块,提高缺陷边缘纹理等细节特征的比重;改进损失函数为SIoU,缩短预测框回归收敛过程以提高算法检测速度。实验结果表明:改进算法在NEU-DET数据集上的mAP值为80.4%,较YOLOv5s提高5.5%,每秒处理帧数为100,算法体积降低约8.3%,算法计算量降低约4.3%,对比其他的目标检测算法,改进算法在检测精度、检测速度上均明显提升,模型复杂度降低明显。改进算法可满足实时钢铁表面缺陷检测需求。
-
关键词
钢铁表面缺陷
SE通道注意力模块
STR模块
检测算法
-
Keywords
steel surface defects
SE channel attention module
STR module
detection algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于YOLOv5s的钢铁表面缺陷检测算法
- 2
-
-
作者
张瑞芳
伏铭强
程小辉
-
机构
广西高校先进制造与自动化技术重点实验室(桂林理工大学)
桂林理工大学机械与控制工程学院
桂林理工大学信息科学与工程学院
-
出处
《科学技术与工程》
北大核心
2024年第23期9980-9988,共9页
-
基金
国家自然科学基金(61662917)
广西科技计划重点研发项目(桂科AB17195042)
+1 种基金
广西中青年教师基础能力提升项目(2018KY0248,2020KY06026)
广西建筑新能源与节能重点实验室项(桂科能15-J-21-1)。
-
文摘
为改善因小目标检测效果差而导致的钢铁表面缺陷检测精度差的问题,以YOLOv5s为基础,通过在主干网络添加注意力机制(attention mechanism,SE),将C2f模块代替C3模块,将双向特征金字塔网络(bidirectional feature pyramid network,BIFPN)网络代替颈部网络中的路径聚合网络(path aggregation network,PAN)网络的这三种方法来提升模型对缺陷小目标的检测能力。旨在提升检测精度并达到实时检测要求。结果表明,改进后的YOLOv5s-SCB算法在NEU-DET(northeastern university-detect)上的均值平均精度(mean average precision,mAP)值达到77.9%,在达到实时检测的前提下,相较于YOLOv5s网络提高了3.7%,与其余基于YOLOv5s改进的算法及YOLOv8相比,YOLOv5s-SCB实现了更好的检测效果。可见本文提出的钢铁表面缺陷检测算法YOLOv5S-SCB可以更好地完成钢铁表面缺陷检测。
-
关键词
钢铁表面缺陷
YOLOv5s
注意力机制
BIFPN
C2f
-
Keywords
steel surface defects
YOLOv5s
attention mechanism
BIFPN
C2f
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
