基于改进YOLOv5的铝型材表面缺陷检测方法
Surface Defect Detection Method for Aluminum Profile Based on Improved YOLOv5作者机构:新疆大学电气工程学院
出 版 物:《广西师范大学学报(自然科学版)》 (Journal of Guangxi Normal University(Natural Science Edition))
年 卷 期:2024年第42卷第1期
页 面:111-119页
学科分类:08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程]
基 金:国家自然科学基金(61866037 61462082)
主 题:缺陷检测 YOLOv5 注意力机制 SIoU 多尺度融合
摘 要:针对铝型材表面缺陷不同类别尺寸差别较大,导致检测效果较差的情况,本文提出一种基于改进YOLOv5的铝型材表面缺陷检测算法。首先,在网络中嵌入CA(coordinate attention)注意力机制模块,使网络更好地抑制图像中无效样本的干扰,更多聚焦于有用信息;其次,在原有检测层上增加一个小目标检测层,获取和传递更为丰富且更具判别性的小目标特征,以解决对小目标缺陷检测精度低的问题,提高整体检测精度;最后,引入SIoU损失函数,用边界框回归之间的向量角度来重新定义损失函数,在有效减少总自由度损失的同时提高推理精度。将改进算法应用到天池铝型材数据集中进行验证,实验结果表明:该模型能有效识别铝型材表面不同种类的缺陷,较原YOLOv5算法mAP提高11.4个百分点,检测速度达到66.4 frame/s,能够满足目前铝型材工厂生产现场缺陷检测要求。