基于改进YOLO V5的缺陷识别与定量分析.pdfVIP

试验研究

DOI:10.11973/wsjc202301003

基于改进YOLOV5的缺陷识别与定量分析

刘洋12,李全勇12,顾健2,杨巾

帆·2,王文博2

（1.长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室，长春130022；

2.长春理工大学光电工程学院光电工程国家级教学示范中心，长春130022）

摘要：采用YOLOV5算法对碳纤维复合材料预置夹杂缺陷的识别方法展开研究。为了在

提高检测精度的同时保证检测效率，通过添加通道注意力机制、空间注意力机制、使用k-means十十

重新聚类先验框和优化损失函数等措施改进原算法。利用改进后的网络训练缺陷数据集，每秒处

理的图片数量逾12幅，平均精度达到98.8%，召回率为98.1%。与其他算法相比，该算法检测精度

和速度都有所提高，可满足实时性和准确性要求。

关键词：无损检测；YOLOV5；通道注意力机制；空间注意力机制；夹杂缺陷

中图分类号：TG115.28;TB332文献标志码：A文章编号：1000-6656（2023)01-0014-06

DefectidentificationandquantitativeanalysismethodbasedonimprovedYOLOV5

LIUYang2,LIQuanyong2,GUJian2,YANGFan*2,WANGWenbol-?

(1.KeyLaboratoryofPhotoelectricMeasurementandOpticalInformationTransmissionTechnologyofMinistryofEducation,

CollegeofOptoelectronicEngineering,ChangchunUniversityofScienceandTechnology,Changchun130022,China;

2.NationalDemonstrationCenterforExperimentalOpto-ElectronicEngineeringEducation,Collegeof

OptoelectronicEngineering,ChangchunUniversityofScienceandTechnology,Changchun130022,China)

Abstract:TheYOLOV5algorithmwasusedtostudytheidentificationmethodofcarbonfibercomposite

materialpresetdefects.Inordertoimprovethedetectionaccuracywhileensuringthedetectionefficiency,the

originalalgorithmwasimprovedbyaddingchannelattentionmechanismandspatialattentionmodule,usingk-

means++tore-clusterthepriorboxandoptimizingthelossfunction.Usingtheimprovednetworktrainingdefect

dataset,thenumberofimagesprocessedpersecondreachedmorethan12frames,theaverageaccuracyreached98.

8%,andtherecallratewas98.1%.Comparedwithotheralgorithms,thedetectionaccuracyandspeedofthis

algorithmhavebeenimprovedtoacertainext