基于YOLOv5神经网络的应力波木材空洞缺陷检测研究.docxVIP

学校代码：10225 学 号 ： Z 2 2 5 0 2 专 业 学 位 论 文 基于 YOLOv5 神经网络的应力波木材空洞缺陷 检测研究 指导教师姓名： 刘嘉新副教授 东北林业大学 赵寒涛高级工程师黑龙江省科学院智能制造研究所 申请学位类别： 机械硕士 专 业 领 域 ： 控制工程 论文提交日期： 2022年4月 论文答辩日期： 2022年5月 授予学位单位： 东北林业大学 授予学位日期： 2022年6月 答辩委员会主席： 论 文 评 阅 人 ： 学校代码：10225 学 号： Z22502 专 业 学 位 论 文 基于 YOLOv5 神经网络的应力波木材空洞缺陷 检测研究 指导教师姓名： 刘 嘉 新 副 教 授 东北林业大学 赵寒涛高级工程师黑龙江省科学院智能制造研究所 申请学位类别： 机械硕士 专 业 领 域 ： 控制工程 论文提交日期： 2 0 2 2 年 4 月 论文答辩日期： 2022年5月 授予学位单位： 东北林业大学 授予学位日期： 2022年6月 答辩委员会主席： 论 文 评 阅 人 ： University Code: 10225 Register Code :Z22502 Dissertation for the Degree of Master Research on stress wave wood cavity defect detection based on YOLOv5 neural network Candidate: Fang Jingbo Supervisor: Liu Jiaxin,Associate professor Associate Supervisor: Zhao Hantao,Senior engineer Academic Degree Applied for: Master of Mechanical Speciality: Control engineering Date of Oral Examination: May,2022 University: Northeast Forestry University 摘要 -I- 摘要 木材无损检测作为一种综合性、前沿性的木材综合检测技术，近年来引起了研究学 者的广泛关注。在当下众多的无损检测技术中，应力波检测法具备的独特优势使其可以 在不损伤木材结构的前提下，实现可靠、快速的现场检测，因此该技术在木材检测领域 得到了广泛的应用。但传统应力波成像方法的成像精度有限，并不能十分准确地表达出 木材内部的缺陷性质。本文提出了一种基于改进YOLOv5 与细胞反演的应力波断层成 像算法。该算法利用YOLOv5 目标检测模型，学习了缺陷样本中应力波的传播规律并 将其作为先验知识，结合传统的应力波成像方法，实现对木材缺陷的二维重建，有效地 提升了应力波断层成像结果的准确性。 本文在建立针对木材空洞缺陷的YOLOv5 目标检测模型时，重点研究了数据集的 建立、模型的构建以及模型的改进。通过真实样本采集以及仿真程序生成两种方式获取 应力波速度射线图，在数据增强后最终生成了4418张可供网络训练的木材缺陷特征数 据集。将数据集中的应力波速度分布作为卷积神经网络的输入，通过目标检测技术实现 对木材空洞缺陷的精准定位。由于YOLOv5 网络在检测精度及模型复杂度两方面有进 一步的提升空间，于是本文对模型做出了进一步的优化，以实现检测精度和检测速度的 最佳平衡。在特征提取网络的高倍采样层引入全新神经网络算子Involution, 使模型能 够更好地学习深层次的特征从而提高检测精度；在模型的特征融合层引入了轻量型的 Ghost卷积，大量减少了模型的参数量和计算量，实现了模型的轻量化；引入了CBAM 注意力机制模块弥补了使用Ghost 卷积所带来的精度损失，改进后的模型整体既提升了 性能又减少了模型的复杂度。测试结果表明改进后的基于YOLOv5 网络的木材空洞缺 陷检测模型的测试检测精度达到了99.50%,并且参数量和计算量都减少了近20%,证 明了改进方法的有效性。该网络模型更加适合植入算力有限的嵌入式处理器中，提高了 开发基于嵌入式的应力波木材缺陷检测仪的可行性。 基于改进 YOL