文献类型：期刊文章

作　　者：程松[1] 杨洪刚[1] 徐学谦[1] 李敏[2] 陈云霞[1]

Cheng Song;Yang Honggang;Xu Xueqian;Li Min;Chen Yunxia(School of Mechanical Engineering,Shanghai Dianji University,Shanghai 201306,China;Shanghai University of Electric Power,Shanghai 201306,China)

机构地区：[1]上海电机学院机械学院,上海201306 [2]上海电力大学,上海201306

出　　处：《中国激光》

基　　金：国家自然科学基金(51809161,52005315)。

年　　份：2022

卷　　号：49

期　　号：21

起止页码：130-138

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：基于计算机视觉的图像识别和处理技术迅速发展,因此,X射线焊缝图像智能化评片已成为无损X射线检测的研究热点之一。快速准确识别焊缝内部小目标缺陷是智能评片的一个难点,鉴于此,本文提出了一种基于YOLOv5-Tiny的轻量型焊缝缺陷识别方法。首先,在Backbone部分加入注意力机制SELayer,使模型实现持续的性能提升;然后,用GhostBottleneck模块替换Head层中的C3模块,保留边缘信息;最后,去除用于检测大物体的13×13特征层,并将多数普通卷积替换成深度可分离卷积,加快模型的训练与预测。模型分别采用DIoU与CIoU两种损失函数进行训练。实验结果表明:与YOLOv5s模型相比,YOLOv5-Tiny模型的参数量减少了33.6%,处理速度提升了17.5%,预测权重减小了32.8%,更好地实现嵌入式使用,模型的平均精度均值得到提升。

关 键 词：测量  无损检测 YOLOv5  缺陷识别  轻量型模型  

分 类 号：TG441.7]