科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前金属表面缺陷检测过程中小目标缺陷检测存在着检测精度低、漏检率高等问题，本文基于经典单阶段目标检测网络的5s版本(YOLOv5s)提出了一种改进方法，并将其应用于金属鼓形滚子表面缺陷检测。由于金属表面存在大量像素占比小、尺度不规整、特征不明显的小目标缺陷，本方法通过自适应锚框计算出适合小目标尺寸的锚框值，并在原网络基础上构建了输出为8倍降采样的特征融合目标检测层，使之更匹配小目标检测任务，同时减小了模型体积，节约了计算时间。将高分辨率工业相机采集的金属鼓形滚子表面缺陷图像制作成数据集，用改进前后的YOLOv5s网络进行对比试验，实验结果表明改进后YOLOv5s网络对小目标缺陷检测的精度有明显提升，能有效检测小目标缺陷。
