基于改进YOLOv5s的木材表面缺陷检测模型
针对木材表面缺陷的复杂多样性和特征提取困难,提出一种基于改进YOLOv5s的木材表面缺陷(活节、死节、有裂缝节子和裂缝)检测模型.首先,在Backbone网络引入坐标注意力机制(coordinate attention,CA)增强每个通道之间的信息交互,然后采用混合空间金字塔池化(hybrid spatial pyramid pooling-fast,HSPPF)结构减少信息损失,再使用GSConv卷积减少参数量,用改进的曲线高效交叉联合(curve efficient intersection over union,CEIoU)作为训练时模型的损失函数,提升木材缺陷检测的准确性.试验结果表明,改进模型能够有效检测出木材表面缺陷,模型的平均精度均值(mean average precision,mAP)为84.4%,比未改进之前提高了2%,检测速度达到73.9 FPS,在模型参数量方面明显减少,同时优于其他主流模型,能够满足木材表面缺陷检测的要求.
HS-YOLOv5s、木材表面缺陷检测、坐标注意力机制(CA)、混合空间金字塔池化(HSPPF)、曲线高效交叉联合(CEIoU)
37
S781.5;TP391.4(森林采运与利用)
四川省科技厅项目;四川省科技厅项目;四川轻化工大学研究生创新基金项目;四川轻化工大学研究生创新基金项目
2023-05-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
8-15