科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对已有检测方法在目标尺寸较小时适应度差及特征不清晰导致漏检等问题，提出改进的PSO-YOLOv5金属缺陷检测方法。基于YOLOv5网络结合PSO算法优化网络的颈部部分，同时加入了自适应锚框计算，为边界框提供更准确的移动方向和位置信息。最后使用反向传播神经网络对图像进行训练得到最终的深度卷积神经网络。与传统检测方法相比，改进后的PSO-YOLOv5算法检测速率为31.6frame/s，平均检测精度为78.56%，较YOLOv5提高8.32个百分点，检测精度优于Faster RCNN等算法，表明改进的PSO-YOLOv5算法能够有效提高小目标情况下的缺陷检测精度。
- 出版日期2022
- 单位漳州职业技术学院
