改进 YOLOv5 的 PDC 钻头复合片缺损识别

PDC 钻头复合片的缺损情况是影响钻进效率的重要因素,检测 PDC 钻头复合片是否缺损是修复 PDC 钻头的前提。 为 了减少对 PDC 钻头复合片的误检,提升检测准确率,提出了一种基于改进 YOLOv5 的目标检测算法。 该方法以 YOLOv5 网络为 基础,融合 RepVGG 重参数化模块增强网络的特征提取能力;在 C3 模块中引入坐标注意力机制,在通道注意力机制中嵌入位置 信息,提升对缺损复合片的目标检测能力;将边界框回归损失函数改进为 WIoU 损失函数,制定合适的梯度增益分配策略。 实 验结果表明,改进后的网络的精确率提升 2%,召回率提升 0. 9%,平均精度均值(mAP)提升了 1. 3%,达到了 98%,能够实现对 PDC 钻头复合片的缺损识别。     

基于改进YOLOv7的PDC钻头复合片检测

复合片是PDC钻头的核心切削单元, 复合片自动检测技术是复合片自动修复技术的基础. 本文提出了一种基于改进YOLOv7的PDC钻头复合片检测方法, 在YOLOv7的基础上, 用深度可分离卷积替换了常规卷积, 减少了参数量和运算成本; 引入了SimAM注意力机制, 不需要额外的参数便可以从神经元中推导出3D注意力权重, 而且还能提高卷积神经网络的表达能力; 用SPPFCSPC替换了SPPCSPC, 在保证感受野不变的同时获得了速度的提升; 采用K-means++算法聚类先验框, 使用启发式算法定位出缺损的复合片. 实验结果表明, 本文算法较原YOLOv7模型mAP提高了2.75%, 参数量减少了约80%, 推理速度提高了9.12 f/s, 且较其他算法也有较大优势, 可实现复合片检测的工业应用.