改进YOLOv5的瓷砖表面缺陷检测

作者：余松森; 张明威; 杨欢^*

来源：计算机系统应用, 2023, 32(08): 151-161.

DOI：10.15888/j.cnki.csa.009185

• 机器视觉
• 深度学习
• 目标检测
• YOLOv5算法
• 注意力机制
• 瓷砖表面缺陷

现有瓷砖表面缺陷检测存在识别微小目标缺陷能力不足、检测速度有待提升的问题,为此本文提出了基于改进YOLOv5的瓷砖表面缺陷检测方法.首先,由于瓷砖表面缺陷尺寸偏小的特性,对比分析YOLOv5s的3个目标检测头分支的检测能力,发现删除大目标检测头,只保留中目标检测头和小目标检测头的模型检测效果最佳.其次,为了进一步实现模型轻量化,使用ghost convolution和C3Ghost模块替换YOLOv5s在Backbone网络中的普通卷积和C3模块,减少模型参数量和计算量.最后,在YOLOv5s的Backbone和Neck网络末端添加coordinate attention注意力机制模块,解决原模型无注意力偏好的问题.该方法在天池瓷砖瑕疵检测数据集上进行实验,实验结果表明:改进后的检测模型的平均精度均值达66%,相比于原YOLOv5s模型提升了1.8%;且模型大小只有10.14 MB,参数量相比于原模型减少了48.7%,计算量减少了38.7%.

• 出版日期2023
• 单位华南师范大学