基于改进YOLOv5的退役轴类零件表面损伤检测方法

针对传统检测方法在对退役轴类零件进行损伤检测时存在效率低、结果一致性差等问题,提出了一种基于改进YOLOv5的退役轴类零件表面损伤检测方法.首先,将注意力机制嵌入检测算法中,增强了损伤在图像中的特征表示;然后,采用重复加权双向特征融合方法改进了检测模型的网络结构,有效提升了网络特征提取能力;最后,使用Ghostconv卷积模块代替普通卷积,大幅度降低了模型参数量.实验结果显示,改进后的算法模型精度比原始YOLOv5提升了6.9%,达到88.4%,同时模型参数量减少了6.1%,保证了检测速度与YOLOv5持平.与YOLOv3,SSD,Faster-RCNN等主流检测方法相比,在保证较高检测速度的同时,检测精度也有着明显优势.