基于YOLOv5的轻量级布匹疵点检测模型

针对人工检测布匹疵点效率低、漏检误检严重的现象,文中提出一种基于YOLOv5算法的布匹疵点检测模型G-YOLOv5。该模型首先利用Ghost卷积机制代替传统卷积,减少冗余的参数量和计算量;其次在骨干网络的最后加入协同注意力机制,加强对小目标物体的分类和定位性能;同时,使用轻量化的上采样算子CARAFE减少在特征处理过程中的特征损失。实验结果表明,改进后的算法在布匹疵点检测数据集上的平均准确率为88.4%,相比于YOLOv5算法提高了2.2个百分点,参数量缩减了一半,能够在较小的模型下达到较高的检测精度,满足实际工业的检测需求。