10.11772/j.issn.1001-9081.2021111926
融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测
针对带钢表面缺陷在实际场景中检测精度低,易出现漏检和误检的情况,构建一种YOLOv5-CFD模型对带钢缺陷目标进行更精确的检测,该模型由CSPDarknet53、FcaNet与解耦检测头(Decoupled head)组成.首先,采用模糊C均值(FCM)算法对东北大学公开的NEU-DET热轧带钢表面缺陷检测数据集中的锚框进行聚类,优化先验框和真实框之间的匹配度;其次,为提取目标区域丰富的细节信息,在原始YOLOv5算法基础上添加频域通道注意力模块FcaNet;最后,采用解耦检测头将分类任务和回归任务分离.在NEU-DET数据集上的实验结果表明,改进的YOLOv5算法在引入较少参数量的情况下,检测精度提高了4.2个百分点,平均精度均值(mAP)达到85.5%,每秒传输帧数(Frames Per Second,FPS)达到27.71,与原YOLOv5相差不大,能够满足检测实时性的要求.
YOLOv5、频域注意力机制、解耦头、锚框、聚类算法、表面缺陷检测
43
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;新疆自治区区域协同创新专项科技援疆计划
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
242-249