改进YOLOv5n的管道DR缺陷图像检测方法

作者：时亚南; 陈志远; 刘兆英^*; 陈迎春; 张婷; 范效礼; 苗锐; 叶伟

来源：计算机工程与应用, 2023, 1-9.

• 缺陷图像检测
• 目标检测
• 解耦检测头
• 轻量化模型

近年来，数字射线成像技术(Digital Radiography， DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度，提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献，首先，针对目标检测网络中分类和回归两个任务存在冲突的问题，设计了任务独立解耦检测头，通过分别为两类任务构建独立的特征图实现解耦。其次，为了缓解解耦检测头模块带来的参数量增加问题，引入了轻量化的深度可分离卷积替代标准卷积，在保证精度的同时，减少模型参数量。实验结果表明，在管道缺陷数据集上，该方法的mAP@.5比YOLOv5n提高0.9%。与YOLOv4、Faster-RCNN和SSD等其他几种目标检测模型的对比实验表明，该方法在mAP@.5、参数量和计算量上都达到最优，有效提高了管道DR缺陷图像检测的性能。

• 出版日期2023
• 单位新疆维吾尔自治区特种设备检验研究院; 北京工业大学