基于图像自适应增强YOLOv5的输送带纵向撕裂检测

针对多源干扰环境下输送带纵向撕裂图像质量低和损伤特征信息丢失严重问题,提出一种图像自适应视觉检测方法IAE-YOLOv5。首先,设计IAE模块增强输送带损伤特征信息,改善不稳定光照、雾气等环境干扰导致的图像失真。然后,引入小型网络CNN-PL学习IAE模块各滤波器超参数。最后,通过检测损失联合训练CNN-PL与YOLOv5检测网络,预测合适的滤波器超参数,提升IAE模块处理效果,实现图像自适应增强和检测。实验结果表明:相较于原始YOLOv5,IAE-YOLOv5在自制原始数据集和增强数据集上mAP分别提高1.53%和6.9%。