楊海斌
摘要:針對鋁材表面缺陷種類多、背景干擾強且尺度變化多樣,導致極易出現誤檢、漏檢等問題,設計了一種改進YOLOv5S的鋁材表面缺陷檢測算法。首先在主干網絡中引入CA 注意力機制模塊,弱化對無用信息的關注,強化了目標的定位能力,同時將邊界框損失函數改為EIoU Loss,加強預測框的回歸預測能力,并且還采用了雙向特征金字塔網絡(BiFPN)來進行特征融合。實驗成果顯示,經優化的YOLOv5S 模型在APDDD 鋁材數據集上的平均精度均值(MAP)達到了83.7%,較原始的YOLOv5S 模型有3.0%的增長,FPS 值上也增加了4.433,檢測精度和速度都得到了提升。
關鍵詞:缺陷檢測;YOLOv5S;注意力機制;特征金字塔
中圖分類號:TP391 文獻標識碼:A
文章編號:1009-3044(2024)06-0047-05