摘要
针对铝材表面缺陷检测时存在参数量大和检测性能低的问题,提出了基于轻量化网络的GD-YOLOv5铝材表面缺陷检测方法。首先,通过融合组卷积、深度可分离卷积和shuffle操作,设计了轻量化卷积模块GDConv。其次,在GDConv的基础上设计了GD Bottleneck结构。最后,利用一次性聚合方法来设计跨级部分网络GDCSP模块。这能够显著降低网络参数量,同时增强对铝材表面缺陷深层特征的提取能力。实验结果表明,GD-YOLOv5在网络性能方面优于YOLOv5。GD-YOLOv5模型在铝材数据集的平均精度均值(mAP@0.5)分别为89.6%,与YOLOv5相比,参数量降低了54.3%,mAP@0.5提高了2.1%,为铝材表面缺陷的高效检测提供了新的解决方法。
作者
郭尚荣
李松松
张佳淇
毛涵宇
郭天宇
韩兆龙
GUO Shangrong;LI Songsong;ZHANG Jiaqi;MAO Hanyu;GUO Tianyu;HAN Zhaolong
出处
《信息技术与信息化》
2024年第4期54-57,共4页
Information Technology and Informatization
基金
国家自然科学基金资助项目(51778104)
辽宁省教育厅科学研究项目(DL202005)
辽宁省渔业厅资助项目(201723)。
