基于改进YOLOv5n的带钢表面缺陷检测算法
Journal of University of Science & Engineering(Natural Science Edition)(2022)
摘要
针对热轧带钢表面缺陷检测时存在检测精度低、速度慢、小目标难以检测等问题,提出了一种基于改进YOLOv5n的带钢表面缺陷检测算法.首先对特征提取网络中的部分卷积重构引入1×1卷积的旁支,以不同的感受野提取特征加强了网络的特征提取能力;其次对多尺度融合结构中的部分卷积操作引入了通道和空间注意力机制,保留了更多的通道和空间信息;最后增加一个检测层同时改用加权双向特征金字塔网络,加强多尺度特征融合能力,提高多尺度特征融合的效率并增强小目标的检测能力.实验结果表明,改进的YOLOv5n算法在NEU-DET数据集上mAP达到了82.6%,比原始YOLOv5n算法提高4.8%,检测速度达到138 fps/s.改进YOLOv5n算法对带钢表面缺陷检测具有实时高精度的检测能力.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要