典型文献
改进PSO-YOLOv5的金属表面缺陷检测方法
文献摘要：
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.
文献关键词：
目标检测;金属表面缺陷;YOLOv5;PSO;距离交并比(DIoU)
中图分类号：
作者姓名：
蔡聪艺
作者机构：
漳州职业技术学院,福建漳州363000
文献出处：
引用格式：
[1]蔡聪艺-.改进PSO-YOLOv5的金属表面缺陷检测方法)[J].廊坊师范学院学报（自然科学版）,2022(04):37-41
A类：
6frame
B类：
PSO,YOLOv5,金属表面缺陷,表面缺陷检测,缺陷检测方法,标尺,适应度,漏检,金属缺陷,算法优化,自适应锚框,边界框,移动方向,位置信息,反向传播神经网络,练得,深度卷积神经网络,检测速率,检测精度,百分点,Faster,RCNN,高小,小目标,目标检测,距离交并比,DIoU
AB值：
0.380222
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
