改进YOLOv5的瓷砖表面缺陷检测

摘要：

现有瓷砖表面缺陷检测存在识别微小目标缺陷能力不足、检测速度有待提升的问题,为此本文提出了基于改进YOLOv5的瓷砖表面缺陷检测方法.首先,由于瓷砖表面缺陷尺寸偏小的特性,对比分析YOLOv5s的3个目标检测头分支的检测能力,发现删除大目标检测头,只保留中目标检测头和小目标检测头的模型检测效果最佳.其次,为了进一步实现模型轻量化,使用ghost convolution和C3Ghost模块替换YOLOv5s在Backbone网络中的普通卷积和C3模块,减少模型参数量和计算量.最后,在YOLOv5s的Backbone和Neck网络末端添加coordinate attention注意力机制模块,解决原模型无注意力偏好的问题.该方法在天池瓷砖瑕疵检测数据集上进行实验,实验结果表明:改进后的检测模型的平均精度均值达66％,相比于原YOLOv5s模型提升了 1.8％;且模型大小只有10.14 MB,参数量相比于原模型减少了 48.7％,计算量减少了 38.7％.

关键词：机器视觉、深度学习、目标检测、YOLOv5算法、注意力机制、瓷砖表面缺陷

所属期刊栏目：32

分类号：TP391;TP278;O224

资助基金：广东省基础与应用基础研究基金2020B1515120089

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：151-161