改进YOLOv5的织物缺陷检测方法

作者：朱磊; 王倩倩^*; 姚丽娜; 潘杨; 张博

来源：计算机工程与应用, 2023, 1-12.

• 织物缺陷检测
• 卷积神经网络
• YOLOv5
• 双级联注意力机制
• 损失函数

为了在不增加网络参数量的条件下提升深度学习方法对织物缺陷检测的精度，提出了一种基于改进YOLOv5的织物缺陷检测方法。首先，通过深度卷积改造通道注意力，剪裁最大池化优化空间注意力，并通过二者构建的双级联注意力机制来搭建特征提取子网络，从而提高网络对缺陷区域纹理和语义特征的提取能力；其次，采用鬼影混洗卷积改进特征融合子网络，强化对提取特征的筛选，在降低模型参数量的同时，改善缺陷信息丢失和无效信息冗余问题；最后，在检测端引入具有角度损失的新型损失函数SIOU，来促进真实框和预测框的拟合并提升对缺陷预测的准确性。实验结果表明：改进的YOLOv5方法在降低YOLOv5基准模型复杂度和计算量的同时，与YOLOv7等六种先进方法相比，可获得更高的检测精度，相较原模型mAP@0.5值提高了百分之2.6，mAP@0.5:0.9值提高百分之1.3。

• 出版日期2023
• 单位西安工程大学