铝制型材表面缺陷检测算法的研究

摘要：

目前针对铝制型材的表面缺陷检测手段主要是人工检测,存在主观性强、检测效率低等问题.为了提高铝制型材的表面缺陷检测效率以及准确率,提出了一种新的检测算法Yolov5-GCE,该算法融合Yolov5 算法、CBAM卷积注意力模块和GhosttNet模块,使用了改进后的EIoU损失函数,提高了算法精度.以天池竞赛的铝制型材表面缺陷数据集为验证数据通过与改进前算法做对比,结果显示该算法的平均精度提高了 3.8%,表明本文算法具有更好的检测能力.

关键词：缺陷检测、深度学习、Yolov5-GCE

所属期刊栏目：31

分类号：TP39(计算技术、计算机技术)

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20