-
题名改进YOLOv5金属表面缺陷检测方法
被引量：4
- 1
-
-
作者
张宇杰
蔡乐才
成奎
高祥
唐林
-
机构
四川轻化工大学自动化与信息工程学院
宜宾学院三江人工智能与机器人研究院
四川轻化工大学机械工程学院
-
出处
《四川轻化工大学学报（自然科学版）》
CAS
2022年第4期32-41,共10页
-
基金
四川省科技厅重点研发项目(2019YFN0104)
四川省教育厅研发项目(2019PY39)。
-
文摘
针对传统YOLO算法检测金属表面缺陷如斑块、开裂、划痕等性能差的问题,提出了一种改进YOLOv5算法的金属表面缺陷检测方法。首先增加3个小尺寸锚框以便更好地选中小目标缺陷位置;其次在骨骼网络中增加3个特征提取层,以解决对于细小缺陷算法无法检测到的情况。针对检测图片分辨率过大情况,在后续检测中借鉴了YOLT算法的方式,将检测图像分解为多个小图像进行检测,再将小图收回组合,计算检测物坐标相对值,集体进行非极大值抑制,减少检测锚框重合问题。基于改进的YOLOv5算法进行金属表面缺陷检测,结果表明:其召回率相较于改进前提高了10%~20%,平均精准度提高了15.40%,改进算法具有较好的检测性能。
-
关键词
金属表面缺陷
YOLOv5算法
小目标检测
yolt算法
-
Keywords
metal surface defects
YOLOv5 algorithm
small target detection
yolt algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
