针对曲面光学镜片表面缺陷检测精度不高的问题,提出一种基于改进YOLOv5s的曲面光学镜片缺陷检测方法。首先,设计镜片表面缺陷采集装置,并对采集到的缺陷图片进行数据增强以制作镜片缺陷数据集。其次,为了增强YOLOv5s网络对通道信息的利...针对曲面光学镜片表面缺陷检测精度不高的问题,提出一种基于改进YOLOv5s的曲面光学镜片缺陷检测方法。首先,设计镜片表面缺陷采集装置,并对采集到的缺陷图片进行数据增强以制作镜片缺陷数据集。其次,为了增强YOLOv5s网络对通道信息的利用,在特征提取网络引入SE注意力机制,使网络能够更加准确地提取信息;并在主干网络最后一个C3模块融入Transformer,帮助网络更好地提取全局信息,提高检测效率。最后,考虑到小目标特征信息容易丢失的问题,将主干网络160×160像素的特征层加入颈部的特征融合中,增加网络对浅层信息的利用。改进的YOLOv5s目标检测算法的均值平均精度(mean average precision,mAP)和召回率(recall,R)分别为93.9%和91.6%,比原网络算法分别提高了3.2%和3.4%,表明改进YOLOv5s算法可以有效检测出镜片表面缺陷。展开更多
文摘针对曲面光学镜片表面缺陷检测精度不高的问题,提出一种基于改进YOLOv5s的曲面光学镜片缺陷检测方法。首先,设计镜片表面缺陷采集装置,并对采集到的缺陷图片进行数据增强以制作镜片缺陷数据集。其次,为了增强YOLOv5s网络对通道信息的利用,在特征提取网络引入SE注意力机制,使网络能够更加准确地提取信息;并在主干网络最后一个C3模块融入Transformer,帮助网络更好地提取全局信息,提高检测效率。最后,考虑到小目标特征信息容易丢失的问题,将主干网络160×160像素的特征层加入颈部的特征融合中,增加网络对浅层信息的利用。改进的YOLOv5s目标检测算法的均值平均精度(mean average precision,mAP)和召回率(recall,R)分别为93.9%和91.6%,比原网络算法分别提高了3.2%和3.4%,表明改进YOLOv5s算法可以有效检测出镜片表面缺陷。
