检索结果-南通市图书馆

重庆工商大学学报(自然科学版) 2024年

作者：周孟然蔡睿范桃春王宁安徽理工大学电气与信息工程学院安徽理工大学力学与光电物理学院

【目的】钢材表面缺陷一直是工业生产和安全的难题之一，为解决钢材表面缺陷检测精度低，容易出现误检和漏检的问题，提出了一种基于多尺度特征的钢材表面缺陷检测算法，命名为GPDN-Yolov5。【方法】首先，针对部分缺陷容易与背景相... 详细信息

【目的】钢材表面缺陷一直是工业生产和安全的难题之一，为解决钢材表面缺陷检测精度低，容易出现误检和漏检的问题，提出了一种基于多尺度特征的钢材表面缺陷检测算法，命名为GPDN-Yolov5。【方法】首先，针对部分缺陷容易与背景相混淆，通过在骨干网络中加入改进后的坐标注意力机制(GJ-CA)，加强对缺陷特征的关注。其次，针对钢材表面缺陷具有尺寸大小不一的特点，引入多尺度卷积块PKI Block，加强了网络的多尺度特征提取能力。然后，采用Dynamic head检测头作为改进算法的检测头，增强了检测头的表达能力和对多尺度特征的检测能力。最后，将nwd(Normalized Wasserstein Distance)损失函数与wiou损失函数加权融合来替代CIOU损失函数，解决了原模型专注于简单样本和对低像素缺陷位置偏差敏感的问题。【结果】实验结果表明：GPDN-Yolov5算法在NEU-DET数据集中的平均精度均值达到80.5%，比Yolov5算法提升了6.9%，检测结果优于其他经典检测模型。同时，该算法在GC10-DET数据集上的平均精度比Yolov5提升了4.7%，这证明了算法在不同数据集上检测效果均有提升。【结论】 GPDN-Yolov5算法在精度上有着明显的提高，对钢材表面缺陷检测具有一定价值。

关键词： Yolov5 缺陷检测注意力机制多尺度特征 Dynamic head nwd-wiou

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：