基于改进YOLOv5算法的带钢表面缺陷检测
Modular Machine Tool & Automatic Manufacturing Technique(2023)
Abstract
针对当前带钢在表面缺陷检测过程中存在检测算法精度有待提高等问题,提出了 一种基于改进YOLOv5算法的带钢表面缺陷检测模型.首先,在检测端构建新的检测层,提高网络对不同尺寸目标的检测;其次,在主干网络结构中引入注意力模块,进一步加强网络提取特征的能力;然后,通过BiFPN_Add来增强深浅层特征信息的融合;最后,构建新的CNeB模块来取代各检测层对应的C3模块,进而增强网络对特征的提取.实验结果表明,改进后的算法在NEU-DET数据集上均值平均精度达到了 80.9%,较原有的算法提升了 4.5%,同时检测速度与原模型保持基本不变,性能优于目前其他主流的检测方法.
MoreKey words
defect detection,YOLOv5,attention mechanism,fusion of features
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined