文献类型：期刊文章

作　　者：李一鸣[1,2] 王潇[1]

LI Yi-ming;WANG Xiao

机构地区：[1]北京信息科技大学机电工程学院,北京100192 [2]北京信息科技大学现代测控技术教育部重点实验室,北京100192

出　　处：《制造业自动化》

基　　金：北京市教委科研计划科技一般项目(KM202011232011);北京信息科技大学校科研基金项目(2025002)。

年　　份：2021

卷　　号：43

期　　号：11

起止页码：117-119

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

摘　　要：针对轧钢表面缺陷的智能识别与精准定位的技术难题,提出基于机器视觉和深度神经网络的目标检测方法。采用YOLOv5s作为表面缺陷检测的模型,以YOLOv5s在COCO数据集上训练好的权值作为初始权值,对YOLOv5s模型进行进一步训练,利用训练好的YOLOv5s模型实现轧钢表面缺陷类别的识别与定位。并与另两个YOLOv5模型的性能做对比。试验结果表明,基于YOLOv5s的轧钢表面缺陷检测模型可以有效检测6种不同形态的表面缺陷,测试精度P、召回率R、检测mAP分别达到0.722、0.773和0.776,从而有助于生产人员准确地把握轧钢的情况。

关 键 词：深度学习  YOLOv5  缺陷检测  

分 类 号：TP277]