基于改进Yolo v5的织物缺陷检测方法 |
| |
引用本文: | 王恩芝,张团善,刘亚.基于改进Yolo v5的织物缺陷检测方法[J].轻工机械,2022(2):54-60. |
| |
作者姓名: | 王恩芝 张团善 刘亚 |
| |
作者单位: | 西安工程大学机电工程学院 |
| |
摘 要: | 针对纺织品表面缺陷检测算法速度低、泛化性能差及鲁棒性弱等问题,课题组提出了一种基于改进Yolo v5的织物表面缺陷检测方法。在Yolo v5骨干网络的基础上增加了卷积注意力模块,增强目标检测网络对特征图中重要信息提取并弱化无关特征;针对网络特征融合阶段特征尺度不一致造成的冲突问题,引入自适应空间特征融合的方法;在训练过程中使用迁移学习加快训练速度。实验结果表明:与未改进的Yolo v5算法相比,所提出的检测框架能够有效提高网络精度达98.8%,检测速度达83帧/s。该检测方法能满足实际工业要求。
|
关 键 词: | 缺陷检测 深度学习 目标识别 卷积注意力机制 自适应空间特征融合 |
|
|