基于改进YOLOv5的轴承表面缺陷检测

作     者：吴迪 于正林 徐式达 周斌 邵长顺 WU Di;YU Zhenglin;XU Shida;ZHOU Bin;SHAO Changshun

作者机构：长春理工大学机电工程学院长春130022 长春理工大学重庆研究院重庆401135 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2024年第6期

页      面：166-170页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：吉林省科技发展计划基金项目(20190302069GX) 吉林省科技厅基础研究项目(202002044JC) 

主　　题：YOLOv5 缺陷检测 注意力机制 小目标检测层 简化BiFPN 

摘      要：传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注各种影响轴承质量的重点信息;其次,在YOLOv5网络基础上添加小目标检测层,通过补充融合特征层和引入额外检测头,提高网络对小目标缺陷检测的精度;最后,在特征融合网络中,融入简化后的加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),在不增加较多计算成本的基础上,更好地实现多尺度特征融合。在构建的深沟球轴承表面缺陷数据集上的实验结果表明,相比于原YOLOv5s模型,精确率、召回率、平均精度分别提高了5.8%、2.4%、5.3%,检测速度为71 f/s,满足工业大批量检测的要求。