典型文献
基于改进YOLOv5s的齿轮表面缺陷检测
文献摘要：
为解决传统齿轮表面缺陷检测精度低、速度慢等问题,设计了一种基于通道和空间的注意力机制的齿轮表面缺陷检测方法.在YOLOv5s网络模型的基础上引入卷积注意力模块,对特征在通道维度和空间维度上进行融合增强,增强缺陷区域特征并抑制背景区域特征,提高小目标的检测精度;同时改进了非极大值抑制的后处理方法,改进后的方法(DIOU_NMS)将预测框与真实框的重叠区域和2个框之间的中心点距离作为抑制原则,提升复杂背景下目标的检测精度.实验结果表明,该方法的平均精度均值mAP_0.5为90.3％,相比YOLOv5s提升了 1％,检测速度FPS为75 f/s,模型大小为14.8 MB,满足齿轮表面缺陷检测实时性和准确性的需求.
文献关键词：
注意力机制;YOLOv5s网络模型;非极值抑制方法;后处理;缺陷检测
中图分类号：
作者姓名：
仇娇慧;贝绍轶;尹明锋;卿宏军
作者机构：
江苏理工学院机械工程学院,常州213000;常州湖南大学机械装备研究院,常州213000
文献出处：
引用格式：
[1]仇娇慧;贝绍轶;尹明锋;卿宏军-.基于改进YOLOv5s的齿轮表面缺陷检测)[J].现代制造工程,2022(03):104-113
A类：
非极值抑制方法
B类：
YOLOv5s,齿轮,表面缺陷检测,检测精度,速度慢,注意力机制,缺陷检测方法,卷积注意力模块,空间维度,融合增强,区域特征,背景区域,高小,小目标,非极大值抑制,后处理方法,DIOU,NMS,重叠区域,中心点,复杂背景,平均精度均值,mAP,检测速度,FPS,MB
AB值：
0.372379
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。
