排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
目的 针对小尺寸和特征不明显的纸杯缺陷在检测过程中易出现漏检、错检的问题,提出一种基于改进YOLOv5s模型纸杯缺陷检测方法。方法 在原始模型的Backbone部分引入CBAM注意力机制模块,提升模型的特征提取能力;增加一个YOLO检测头,将三尺度检测改为四尺度检测,提高模型对小目标和特征不明显目标的检测能力;在Neck部分借鉴加权双向特征金字塔网络BiFPN,对原始模型中的PANet进行部分改进,加强模型的特征融合能力。结果 结果显示,改进后的模型YOLOv5s–CXO精度为89.1%、召回率为90.4%、平均精度均值为89.5%,比原始模型的精度提高了1.5%、召回率提高了1.3%、平均精度均值提高了1.2%。结论 本文的改进方法有效提高了模型的检测能力,对小尺寸和特征不明显纸杯缺陷的检测效果有明显提升。 相似文献
1