典型文献
基于改进YOLOv5的纸病检测方法
文献摘要：
针对传统纸病检测算法中纸病特征提取困难、实时性差的问题,提出一种改进YOLOv5的纸病检测方法.该方法首先在批量归一化模块的首尾部分添加居中和缩放校准,形成更稳定的纸病有效特征分布;其次在骨干网络中添加坐标注意力机制,增强骨干网络的纸病特征提取能力;最后选用CIoU_loss作为边界框回归的损失函数,实现高精度的定位.实验结果表明,改进后的算法平均精度达99.02％,实时检测速度达41.58帧/s,相较于现有的基于CNN纸病分类算法,检测精度与检测速度都有较大的提升,且改进后的算法对光源的依赖程度更低,能对各类纸病实现精准辨识.
文献关键词：
纸病检测;YOLOv5;批量归一化模块;坐标注意力机制;损失函数
中图分类号：
作者姓名：
张开生;关凯凯
作者机构：
陕西科技大学电气与控制工程学院,陕西西安,710021
文献出处：
引用格式：
[1]张开生;关凯凯-.基于改进YOLOv5的纸病检测方法)[J].中国造纸,2022(10):79-86
A类：
纸病检测,批量归一化模块
B类：
YOLOv5,检测算法,首尾,尾部,居中,缩放,更稳,有效特征,特征分布,骨干网络,坐标注意力机制,强骨,特征提取能力,CIoU,loss,边界框回归,损失函数,实时检测,检测速度,分类算法,检测精度,光源,依赖程度
AB值：
0.240884
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。
