基于改进Yolov5的花色布匹瑕疵检测方法

摘要：

花色布匹的瑕疵检测是纺织工业中必不可少的环节,实现快速、准确的花色布匹瑕疵检测对于提高生产效率具有重要意义;针对花色布匹瑕疵检测中大部分瑕疵目标较小、种类分布不均、部分瑕疵长宽比较为极端以及瑕疵与背景易混淆的检测难点,提出了一种基于YOLOv5网络改进的算法模型DD-YOLOv5;在骨干网络中采用上下文变换器网络(CoTNet),增强视觉表示能力;在颈部网络中引入卷积注意力模块(CBAM),使网络学会关注重点信息;在检测环节增加了一个高分辨率的检测头,加强对小目标的检测;并且使用αIoU代替原网络中G-IoU方法;经实验证明,改进后的算法在花色布匹瑕疵数据集平均精度均值上(mAP)达到了较原生算法相比提升了 8.1％,检测速度也达到了 73.6 Hz.

关键词：瑕疵检测、深度学习、CoTNet、注意力机制、交并比

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-05-11（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：56-62