基于改进YOLOv5的贴片电感表面缺陷检测研究

为实现贴片电感表面缺陷的快速精准检测,突破目前贴片电感表面缺陷检测速度慢、准确率低的技术难题,在YOLOv5算法基础上,引入SE注意力模块和双向特征融合网络(BiFPN)模型,提出基于注意力机制的特征提取网络结构,分别对不同特征通道赋予相应权重信息,使其在特征融合中能够快速传递,进一步提高了贴片电感表面缺陷模型的检测精度;考虑提取网络时无法高效检测出贴片电感的缺陷类型,设计出基于加权双向特征金字塔结构,增强了模型对不同尺度特征信息的表达能力;利用贴片电感表面缺陷检测数据集完成了SE注意力机制和BiFPN网络的消融实验以及目标检测算法的对比实验。结果表明,提出的改进模型平均准确率均值(mAP)达到97.12%较原YOLOv5算法提升了5.87%,检测速度达到40.47FPS,能够满足贴片电感表面缺陷检测的实时性和准确性要求。