融合坐标注意力和自适应特征的YOLOv5陶瓷膜缺陷检测方法

摘要：

针对平板陶瓷膜表面缺陷实时检测时存在检测准确率较低的问题,本文提出了一种融合坐标注意力和自适应特征的YOLOv5陶瓷膜缺陷检测方法.通过在原有YOLOv5模型的主干网络中加入坐标注意力机制,建立位置信息和通道之间的关系,从而更准确地获取感兴趣区域.在原始网络的预测网络中融入自适应特征融合机制,提高模型对多尺度缺陷的检测能力.将空洞空间卷积池化金字塔模块替换原始网络中的空间金字塔池化模块,提高卷积核视野获取更多的有用信息.实验结果表明:本文模型平均精度为97.8％,检测帧数为32 FPS,平均精度与原始YOLOv5模型相比提高了5.5％.本文提出的模型在满足平板陶瓷膜缺陷的实时检测条件下,提高了模型的检测准确率,对推动平板陶瓷膜缺陷检测的发展具有一定的参考价值.

关键词：YOLOv5s、平板陶瓷膜、目标检测、坐标注意力、自适应特征融合

所属期刊栏目：46

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;扬州市科技计划项目;扬州市产业前瞻与共性关键技术项目;江苏省产学研合作项目;扬州大学市校合作专项

在线出版日期：2023-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：133-137