基于改进YOLOv5的皮革瑕疵检测算法

皮革瑕疵检测是工业皮革生产行业中质量控制的重要环节,针对工业皮革瑕疵在线检测中存在计算复杂度高、对小目标检测效果差、数据样本少等问题,提出一种基于注意力机制的轻量化皮革瑕疵检测算法GPC-YOLOv5。使用工业相机采集瑕疵图片并对其进行标注,制作瑕疵数据集,利用YOLOv5s模型进行目标检测。使用ImgAug数据增强技术扩充原始数据集的数量,并在训练过程中结合Mosaic数据增强方法解决数据样本少的问题。在YOLOv5的基础上,使用轻量化的GhostNet模块替换主干网络和颈部的卷积模块,有效减少模型的参数量和计算量,通过改进激活函数减少网络复杂度并加快计算速度,以满足实时性需求。在主干网络中加入新型注意力机制Polarized Self-Attention模块,增强网络对于小目标瑕疵的特征提取能力。实验结果表明,相比YOLOv5,GPC-YOLOv5算法的参数量和计算量分别减少25.4%和28.5%,总体mAP达到89.2%,能够有效提高检测精度并加快检测速度。

基于AI视频技术的水电厂设备不安全状态自动化预警研究

为及时发现设备的不安全状态,预防潜在的安全隐患,降低设备故障的风险,提出了基于AI视频技术的水电厂设备不安全状态自动化预警方法,确保水电厂稳定运行。利用摄像机采集水电厂设备的AI视频图像,并增强AI视频图像,提升图像清晰度;通过在轻量型YOLOv5算法提取增强AI视频图像的特征;通过在预测框筛选机制内,引入得分惩罚机制,结合提取的特征,预测水电厂设备的不安全状态;通过声音预警形式,对不安全状态预测结果进行自动化预警。实验证明,该方法可有效实时采集水电厂设备的AI视频图像,并增强AI视频图像;可精准预测水电厂设备的不安全状态,可有效自动化预警设备不安全状态,并呈现预警级别与时间等信息。