-
题名基于改进YOLOv5的X射线图像铸件缺陷实时检测
被引量：5
- 1
-
-
作者
胡哲
徐承志
雷光波
徐丽
-
机构
湖北工业大学计算机学院
-
出处
《激光杂志》
CAS
北大核心
2022年第5期54-59,共6页
-
基金
湖北省教育厅科学技术研究计划项目(No.B2019049)。
-
文摘
铸件缺陷检测是一项重要的质量管理程序。为了避免人为因素的影响,提高检测精度,对YOLOv5s6的目标检测算法进行改进,用于X射线图像的铸件缺陷检测。首先设计了一种C3CA模块用于捕获跨通道、方向感知和位置感知的信息。然后通过在骨干网络中融合多头自注意力机制来捕获局部与全局信息。最后采用Focal-EIoU Loss损失函数。实验结果表明:在相同训练条件下,改进后YOLOv5s6的AP50值达到了90.2%,F1因子达到了87.8%,相较原始模型分别提高了3.4%和2.3%,具有检测准确率高、实时性强等特点。
-
关键词
铸件缺陷检测
多头自注意力机制
YOLOv5s6
X射线图像
-
Keywords
casting defect detection
multi-head self-attention mechanism
YOLOv5s6
X-ray image
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名铸件缺陷语义分割的编码器-解码器网络
- 2
-
-
作者
付宇彤
李敏
黄及远
王璐
-
机构
北京机械工业自动化研究所有限公司
机械工业信息研究院
-
出处
《制造业自动化》
北大核心
2023年第5期207-214,共8页
-
基金
中国机械科学研究总院技术发展基金重点项目(10020173016)。
-
文摘
深度学习的快速发展扩展了基于视觉的缺陷检测应用。针对铸件缺陷类间差异小、类内差异大、缺陷规模小等难点,提出一种编码器-解码器架构的语义分割网络,使用在ImageNet上预训练的ResNeSt主干网络作为特征提取器,构建密集连接的多尺度特征融合模块提升有效特征利用率,增强网络特征表示能力,解码器端融合低层级特征改善缺陷边缘分割效果,再通过双线性插值进行上采样以恢复空间分辨率。网络在构建的X射线铸件缺陷分割数据集上进行训练和评估,采用混合损失函数解决数据集样本不均衡问题,提升模型性能。实验结果表明,提出的语义分割方法能够提升铸件缺陷分割精度,效果优于其他语义分割方法。
-
关键词
铸件缺陷检测
深度学习
语义分割
ResNeSt
密集多尺度特征融合模块
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
