典型文献
改进YOLOv5网络的带钢表面缺陷检测方法
文献摘要：
带钢表面缺陷检测已成为保证带钢生产质量的重要环节之一.针对当前带钢缺陷检测算法精度有待提高等问题,提出了一种基于YOLOv5网络改进的算法模型MT-YOLOv5.首先在主干网络中引入Transformer自注意力机制,使主干网络更聚焦于图像全局特征信息的提取;其次采用T-BiFPN网络结构,将Transformer层与BiFPN网络结构相结合,进一步增强了图像浅层特征信息与深层特征信息的融合;然后引人改进后的轻量化网络RepVGG替换主干网络中的部分卷积层,增强主干网络的特征提取能力;最后增加预测层,检测不同尺度的目标.实验结果表明,MT-YOLOv5算法在NEU-DET数据集上的均值平均精度(mAP)达到了 82.4％,较原YOLOv5s算法提高了 5.3％,检测速度为65.4 fps,更好地均衡了检测速度与检测精度.
文献关键词：
缺陷检测;多尺度特征融合;Transformer;RepVGG
中图分类号：
作者姓名：
马燕婷;赵红东;阎超;封慧杰;于快快;刘赫
作者机构：
河北工业大学电子信息工程学院 天津 300401;光电信息控制和安全技术重点实验室 天津 300308;中国电子科技集团公司第五十三研究所 天津 300308;天津金沃能源科技有限公司 天津 300382
文献出处：
引用格式：
[1]马燕婷;赵红东;阎超;封慧杰;于快快;刘赫-.改进YOLOv5网络的带钢表面缺陷检测方法)[J].电子测量与仪器学报,2022(08):150-157
A类：
B类：
带钢表面缺陷,钢表面缺陷检测,缺陷检测方法,生产质量,检测算法,算法模型,MT,主干网络,Transformer,自注意力机制,全局特征,特征信息,BiFPN,深层特征,轻量化网络,RepVGG,分卷,卷积层,特征提取能力,不同尺度,NEU,DET,均值平均精度,mAP,YOLOv5s,检测速度,fps,检测精度,多尺度特征融合
AB值：
0.317742
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。
