典型文献
基于改进YOLOv5的金属焊缝缺陷检测
文献摘要：
为提高工业上焊缝缺陷自动检测与处理的效率,基于深度学习提出一种改进的YOLOv5焊缝缺陷检测方法.针对焊缝样本数据不足的问题,提出一种Mosaic+Mixup的数据增强策略,同时为减少网络的计算量和网络参数量,引入轻量型的GhostNet网络代替YOLOv5主干网络中CSP1模块中的残差模块,并且采用CIOU_Loss作为坐标位置损失提高算法的收敛速度与准确率.最后使用测试集进行焊缝缺陷检测,改进的YOLOv5的平均精度均值(mAP)达到96.88％,单张图片检测时间不超过50 ms,优于传统机器学习算法,能够满足实际工程中对焊缝缺陷的实时性检测要求.
文献关键词：
深度学习;焊缝缺陷检测;YOLOv5;目标检测;GhostNet
中图分类号：
作者姓名：
李衍照;于镭;田金文
作者机构：
青岛科技大学自动化与电子工程学院 青岛266061
文献出处：
引用格式：
[1]李衍照;于镭;田金文-.基于改进YOLOv5的金属焊缝缺陷检测)[J].电子测量技术,2022(19):70-75
A类：
Mosaic+Mixup,CSP1
B类：
YOLOv5,金属焊缝,焊缝缺陷检测,自动检测,缺陷检测方法,对焊,数据增强策略,计算量,网络参数,参数量,轻量型,GhostNet,主干网络,残差模块,CIOU,Loss,收敛速度,测试集,平均精度均值,mAP,单张,检测时间,ms,机器学习算法,检测要求,目标检测
AB值：
0.346627
相似文献
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。
