-
题名小样本条件下的带钢表面缺陷检测
- 1
-
-
作者
宋文琦
吴龙
黎尧
-
机构
福州大学机械工程及自动化学院
三明学院机电工程学院
-
出处
《计算机系统应用》
2024年第5期85-93,共9页
-
基金
福建省科技重大专项(2022HZ026025)
福建省自然科学基金(2022J011182)。
-
文摘
针对工业场景下带钢表面缺陷样本少、缺陷尺寸大小不一等问题,提出一种适用于小样本条件下的带钢表面缺陷检测网络.首先,算法以YOLOv5s框架为基础,设计一种融合注意力机制的多尺度路径聚合网络作为模型的颈部,增强模型对缺陷目标的多尺度预测能力;其次,提出一种自适应解耦检测结构,缓解小样本情况下分类和定位任务之间的矛盾;最后,提出一种融合Wasserstein距离的边界框回归损失函数,提升模型对小目标缺陷的检测精度.实验表明,在构建的小样本带钢表面缺陷数据集上,本文模型的检测性能优于其他小样本检测模型,更适用于工业环境下的小样本缺陷检测任务.
-
关键词
钢材表面缺陷检测
小样本
注意力机制
多尺度路径聚合网络
解耦检测结构
-
Keywords
surface defect detection of steel
few shots
attention mechanism
multi-scale path aggregation network
coord-decoupled head
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TG115
[自动化与计算机技术—计算机科学与技术]
-
