10.3969/j.issn.1001-7415.2023.07.010
基于改进YOLOv5s的经编织物缺陷检测
针对经编织物缺陷检测精度低、漏检和误检率高等问题,提出改进的YOLOv5s算法模型CSC-YOLOv5s.首先使用ConvNeXtBlock模块替换主干提取网络中的CSP模块,增强主干网络的特征提取能力,减少特征提取时细节信息的丢失;其次提出SC-PANet网络结构,引入SimAM注意力机制模块,增强模型在特征融合时对经编织物缺陷区域的关注,提高小尺寸缺陷的检测精度,结合Content-Aware ReAssembly上采样算子改进上采样层,提升特征融合精度;最后改进损失函数,加速模型收敛.试验结果表明,CSC-YOLOv5s算法在自建经编织物数据集上mAP值为90.6%、召回率为85.9%,比原始YOLOv5s算法分别提高5.5个百分点和5.9个百分点,改进后的算法整体性能较好.
缺陷检测、YOLOv5s模型、注意力机制、经编织物、平均精度均值
51
TS184.3(纺织工业、染整工业)
国家重点研发计划;中央高校基本科研业务费专项
2023-07-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
46-52