|
|||||
|
|
| 基于改进YOLOv5的纸病检测方法 | |
| 引用本文： | 张开生,关凯凯.基于改进YOLOv5的纸病检测方法[J].中国造纸,2022,41(10):79-86. |
| 作者姓名： | 张开生 关凯凯 |
| 作者单位： | 陕西科技大学电气与控制工程学院，陕西西安，710021 |
| 基金项目： | 陕西省榆林市2020年科技计划项目（CXY-2020-090）。 |
| 摘 要： | 针对传统纸病检测算法中纸病特征提取困难、实时性差的问题，提出一种改进YOLOv5的纸病检测方法。该方法首先在批量归一化模块的首尾部分添加居中和缩放校准，形成更稳定的纸病有效特征分布；其次在骨干网络中添加坐标注意力机制，增强骨干网络的纸病特征提取能力；最后选用 CIoU_loss作为边界框回归的损失函数，实现高精度的定位。实验结果表明，改进后的算法平均精度达99.02%，实时检测速度达41.58 帧/s，相较于现有的基于CNN纸病分类算法，检测精度与检测速度都有较大的提升，且改进后的算法对光源的依赖程度更低，能对各类纸病实现精准辨识。 |
| 关 键 词： | 纸病检测 YOLOv5 批量归一化模块 坐标注意力机制 损失函数 |
| 收稿时间： | 2022/5/27 0:00:00 |
Paper Defect Detection Method Based on Improved YOLOv5 |
|
| ZHANG Kaisheng,GUAN Kaikai.Paper Defect Detection Method Based on Improved YOLOv5[J].China Pulp & Paper,2022,41(10):79-86. | |
| Authors: | ZHANG Kaisheng GUAN Kaikai |
| Abstract: | |
| Keywords: | paper defect detection YOLOv5 batch normalization coordinate attention loss function |
| 点击此处可从《中国造纸》浏览原始摘要信息 | |
| 点击此处可从《中国造纸》下载全文 | |