基于YOLOv5n的轻量级织物疵点检测算法

针对轻量级模型在检测织物疵点时精确率低的问题，在YOLOv5n的基础上提出一种上下文增强与混合感受野的织物疵点检测算法。首先，为主干网络设计了一种轻量扩张卷积空间金字塔模块，并将主干网络的下采样比增加至64,在增强上下文信息的同时提取更深层的语义信息，提高模型识别性能；其次，为颈部网络设计了一种混合感受野融合模块代替原C3模块并进行特征融合，提高极端长宽比目标的检测精度。实验表明：该算法在基于天池织物数据集上的IOU阈值为0.5时的平均精度均值mAP₅₀、精确率、召回率分别达到了93.1%、91.6%、89.1%,相较于原YOLOv5n算法分别提高了4.9%、7.3%、5.0%,且模型文件大小仅6.28 MB,更适用于织物疵点检测领域。