基于改进YOLOv5算法的纸袋缺陷检测

为了提高纸袋生产企业在制造过程中对纸袋手把或底部缺陷的检测精度，提出了一种基于改进YOLOv5算法的纸袋缺陷检测方法。改进算法为了提高网络定位能力，增强网络的特征学习表达能力，引入了坐标注意力机制，接着引入EIoU损失函数对原始损失函数进行改进，以此来改善原始网络损失函数纵横比的合理性，提升回归精度，最后引入一种具有类似跨阶段局部结构的简化空间金字塔池化结构，减少冗余信息处理，提升网络检测性能。实验结果表明，改进算法的平均精度平均值mAP@.5为87.3%,mAP@.5∶.95为56.8%,与YOLOv5算法相比mAP@.5提升了1.6%,mAP@.5∶.95提升了0.9%,在纸袋缺陷检测上有更优越的表现。