钢材表面缺陷轻量化识别算法研究.docxVIP

  1. 1、本文档共24页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

第61卷第8期机械工程学报Vol.61No.8

2025年4月JOURNALOFMECHANICALENGINEERINGApr.2025

DOI:10.3901/JME.2025.08.018

钢材表面缺陷轻量化识别算法研究*

王祺1叶仁传1,2马国杰1马佩珏3范杰1杨文龙1

(1.江苏科技大学船舶与海洋工程学院镇江212100;

2.江苏科技大学海洋学院镇江212100;

3.江南大学物联网工程学院无锡214122)

摘要:针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差、实时性差等问题,提出一种基于改进YOLOv5的轻量化钢材表面缺陷识别算法,适用于低成本、低算力、低内存的硬件设备的工程部署。首先,通过K-means++算法对NEU-DET数据集重新聚类生成自适应锚框,优化先验框和真实框之间的匹配度;然后通过改进激活函数和损失函数,HardSwish激活函数降低计算成本的同时提高了稳定性,SIoU损失函数可以有效地加快了网络收敛速度;其次,为了提取目标区域的丰富的细节信息,在原始YOLOv5算法基础上添加CA坐标注意力模块;再借鉴结构重参化引入改进的Repvggblock,同时将模型通道数减半,进一步增加模型的工程部署性;最后,通过消融试验和一系列对比试验,证明本算法性能上的优越性,较YOLOv5原算法,参数量减少约73.6%,浮点计算量减少约72.3%,同时mAP值提升1.5%。研究结果为钢材表面缺陷精细化检测提供了新的方法及思路,对提高钢材产品质量具有实际意义。

关键词:钢材表面缺陷;深度学习;轻量化;YOLOv5;卷积神经网络

中图分类号:TP29

LightweightSurfaceDefectDetectionMethodofSteel

WANGQi1YERenchuan1,2MAGuojie1MAPeijue3FANJie1YANGWenlong1

(1.SchoolofNavalArchitectureandOceanEngineering,

JiangsuUniversityofScienceandTechnology,Zhenjiang212100;

2.OceanCollege,JiangsuUniversityofScienceandTechnology,Zhenjiang212100;

3.SchoolofInternetofThingsEngineering,JiangnanUniversity,Wuxi214122)

Abstract:Aimingattheproblemsoflowdetectionefficiency,poordetectionaccuracyandpoorreal-timeperformanceoftraditionalsteelsurfacedefectdetectionmethods,AnalgorithmforsurfacedefectidentificationoflightweightsteelbasedonimprovedYOLOv5isproposed,whichissuitablefortheengineeringdeploymentofhardwareequipmentwithlowcost,lowcomputationalpowerandlowmemory.Firstly,K-means++algorithmisusedtoclusteranchorboxesintheNEU-DETdatasettooptimizethematchingdegreebetweenthepriorboxandtheground-truthbox.Then,byimprovingtheactivationfunctionandlossfunction,HardSwishactivationfunctionreducesthecom

文档评论(0)

资源共享 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6242020230000010

1亿VIP精品文档

相关文档