文献类型：期刊文章

作　　者：仇娇慧[1] 贝绍轶[1] 尹明锋[1] 卿宏军[2]

QIU Jiaohui;BEI Shaoyi;YIN Mingfeng;QING Hongjun(School of Mechanical Engineering,Jiangsu University of Technology,Changzhou 213000,China;Changzhou Hunan University Mechanical Equipment Research Institute,Changzhou 213000,China)

机构地区：[1]江苏理工学院机械工程学院,常州213000 [2]常州湖南大学机械装备研究院,常州213000

出　　处：《现代制造工程》

基　　金：江苏省高等学校自然科学研究面上项目(20KJB520015);常州市应用基础研究计划项目(中补助)(CJ20200039);江苏中以产业技术研究院开放课题项目(JSIITRI202008)。

年　　份：2022

期　　号：3

起止页码：104-113

语　　种：中文

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

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。

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  

分 类 号：TP391.41] TH16[计算机类]