首页 | 本学科首页   官方微博 | 高级检索  
     

改进YOLOv5的轻量级带钢表面缺陷检测
作者姓名:张政超
作者单位:上海理工大学 机械工程学院, 上海 200093
摘    要:针对工业场景下设备资源有限的情况,提出一种改进YOLOv5的轻量化带钢缺陷检测模型.首先,使用Shuffle Netv2代替主干特征提取网络,优化模型参数量和运行速度;其次,采用轻量级上采样算子CARAFE (contentaware reassembly of features),在增大感受野的同时进一步降低参数和计算量;同时引入GSConv层,在保证语义信息的同时平衡模型准确性与检测速度;最后,设计一种跨层级特征融合机制,提高网络的检测精度.实验结果表明,改进后的模型的平均检测精度为78.5%,相较于原始YOLOv5算法提升了1.4%;模型计算量为10.9 GFLOPs,参数量为5.88×106,计算量和参数量分别降低31%和15.4%;检测速度为49 f/s,提升了3.5 f/s.因此,改进后的模型提高了检测精度和检测速度,并且大幅降低了模型的计算量和参数量,能够满足对带钢表面缺陷进行实时检测.

关 键 词:YOLOv5  轻量化  特征融合  上采样  缺陷检测
收稿时间:2022-12-05
修稿时间:2023-01-06
点击此处可从《计算机系统应用》浏览原始摘要信息
点击此处可从《计算机系统应用》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号