轻量化改进网络的实时光纤端面缺陷检测模型

光纤是现代通信系统及量子保密通信网中不可或缺的传输介质。针对光纤端面缺陷对光传输系统造成传输质量下降甚至永久性损伤的问题，提出了一种改进YOLOv5算法的光纤端面检测模型YOLOv5＿CS。该模型首先将轻量化网络ShuffleNetV2作为主干特征提取网络，利用深度卷积操作以及通道随机混合策略，缩减模型容量，丰富特征信息；随后引入卷积注意力机制（CBAM），同时在空间维度和通道维度上进行特征增强，提升网络性能；最后缩减特征融合层的卷积核数量，实现进一步的模型压缩，并利用数据增广技术构建的光纤端面数据集，对所提方法的有效性进行对比验证。结果表明，与YOLOv5算法相比，所提模型的模型容量压缩了80%，检测速度提升了31.1 frame/s，均值平均精度（mAP）提高了1.7%，能够较为准确以及实时地检测光纤端面缺陷。此项工作面向便携式智能检测装置的研制，可为光纤端面缺陷检测及相关视觉传感产业提供技术支持。