典型文献
基于DCGAN与YOLOv5 s的火箭弹非金属壳体缺陷识别方法研究
文献摘要：
针对火箭弹非金属壳体的缺陷样本少且分布不均衡的问题,提出一种基于DCGAN与YOLOv5s的缺陷识别方法.在对非金属壳体的X射线缺陷图像实施亮度变换、对比度变换、颜色变换等非生成式数据增强方法的基础上,设计了深度卷积生成对抗网络(DCGAN)扩充缺陷数据集,解决了样本少且分布不均的问题.优化YOLOv5s网络的C3模块,使用稠密网络代替残差网络,增强网络的特征提取能力.实验结果表明,优化后YOLOv5s算法的mAP值、精确率、召回率分别提高到85.4％、85.2％、83％,能够较好地识别火箭弹非金属壳体的缺陷.
文献关键词：
火箭弹非金属壳体;缺陷识别;YOLOv5s算法;深度卷积生成对抗网络
中图分类号：
作者姓名：
高慧芳;金永;柴国强;宋佳霖;王召巴;陈友兴
作者机构：
中北大学 信息与通信工程学院,太原 030051;山西师范大学 物理与信息工程学院,太原 030000
文献出处：
引用格式：
[1]高慧芳;金永;柴国强;宋佳霖;王召巴;陈友兴-.基于DCGAN与YOLOv5 s的火箭弹非金属壳体缺陷识别方法研究)[J].固体火箭技术,2022(06):949-955
A类：
火箭弹非金属壳体
B类：
DCGAN,体缺陷,缺陷识别,YOLOv5s,线缺陷,亮度,对比度,颜色变换,生成式,数据增强,增强方法,深度卷积生成对抗网络,缺陷数据,C3,稠密网络,残差网络,特征提取能力,mAP,精确率,召回率
AB值：
0.251508
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。
