改进YOLOv5的镜头固定槽表面缺陷检测

摘要：

针对手机镜头固定槽表面缺陷过小导致自动化质检平台难以检测的问题,提出改进YOLOv5的镜头固定槽表面缺陷检测算法实现.在图片预处理阶段使用有效的数据增强策略来平衡不同类别样本的分布;在FPN中添加融合因子控制特征图融合时深层传递到浅层的信息,得到含有更多小目标信息的多尺度特征图;使用K-means算法得到更适合本数据集的先验框数量和大小.通过采集的镜头固定槽表面缺陷数据集评估本算法的性能,并和基线算法YOLOv5进行对比分析.实验结果表明,改进的算法对小目标缺陷拥有更好的检测效果,并且对各类缺陷均能实现准确分类定位,平均精度均值(mAP)达到92.70％,满足智能制造自动化生产的需求.

关键词：表面缺陷、融合因子、K-means、YOLOv5、目标检测

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市教育委员会;上海市教育发展基金会晨光计划资助项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5-8,25