文献类型：期刊文章

作　　者：孙泽强[1] 陈炳才[1,2] 崔晓博[1] 王磊[1] 陆雅诺[1]

SUN Zeqiang;CHEN Bingcai;CUI Xiaobo;WANG Lei;LU Yanuo(School of Computer Science and Technology,Xinjiang Normal University,Urumqi Xinjiang 830054,China;College of Computer Science and Technology,Dalian University of Technology,Dalian Liaoning 116024,China)

机构地区：[1]新疆师范大学计算机科学技术学院,乌鲁木齐830054 [2]大连理工大学计算机科学与技术学院,辽宁大连116024

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61961040,61771089);新疆维吾尔自治区区域协同创新专项(科技援疆计划)(2020E0247,2019E0214)。

年　　份：2023

卷　　号：43

期　　号：1

起止页码：242-249

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对带钢表面缺陷在实际场景中检测精度低,易出现漏检和误检的情况,构建一种YOLOv5-CFD模型对带钢缺陷目标进行更精确的检测,该模型由CSPDarknet53、FcaNet与解耦检测头(Decoupled head)组成。首先,采用模糊C均值(FCM)算法对东北大学公开的NEU-DET热轧带钢表面缺陷检测数据集中的锚框进行聚类,优化先验框和真实框之间的匹配度;其次,为提取目标区域丰富的细节信息,在原始YOLOv5算法基础上添加频域通道注意力模块FcaNet;最后,采用解耦检测头将分类任务和回归任务分离。在NEU-DET数据集上的实验结果表明,改进的YOLOv5算法在引入较少参数量的情况下,检测精度提高了4.2个百分点,平均精度均值(mAP)达到85.5%,每秒传输帧数(Frames Per Second,FPS)达到27.71,与原YOLOv5相差不大,能够满足检测实时性的要求。

关 键 词：YOLOv5  频域注意力机制  解耦头  锚框  聚类算法 表面缺陷检测

分 类 号：TP391.4]