典型文献
基于改进Yolo v5的织物缺陷检测方法
文献摘要：
针对纺织品表面缺陷检测算法速度低、泛化性能差及鲁棒性弱等问题,课题组提出了一种基于改进Yolo v5的织物表面缺陷检测方法.在Yolo v5骨干网络的基础上增加了卷积注意力模块,增强目标检测网络对特征图中重要信息提取并弱化无关特征;针对网络特征融合阶段特征尺度不一致造成的冲突问题,引入自适应空间特征融合的方法;在训练过程中使用迁移学习加快训练速度.实验结果表明:与未改进的Yolo v5算法相比,所提出的检测框架能够有效提高网络精度达98.8％,检测速度达83帧/s.该检测方法能满足实际工业要求.
文献关键词：
缺陷检测;深度学习;目标识别;卷积注意力机制;自适应空间特征融合
中图分类号：
作者姓名：
王恩芝;张团善;刘亚
作者机构：
西安工程大学 机电工程学院,陕西 西安 710613
文献出处：
引用格式：
[1]王恩芝;张团善;刘亚-.基于改进Yolo v5的织物缺陷检测方法)[J].轻工机械,2022(02):54-60
A类：
B类：
Yolo,v5,织物缺陷检测,缺陷检测方法,纺织品,表面缺陷检测,检测算法,泛化性能,骨干网络,卷积注意力模块,目标检测网络,特征图,重要信息,信息提取,网络特征,阶段特征,特征尺度,自适应空间特征融合,训练过程,迁移学习,训练速度,未改,检测框架,检测速度,目标识别,卷积注意力机制
AB值：
0.355777
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。
