矿冶工程

作者：谭沁源, 唐勇, 金岩, 覃美满, 吴伟

单位：1.长沙矿山研究院有限责任公司，湖南 长沙 410012; 2.国家金属采矿工程技术研究中心，湖南 长沙 410012; 3.金川集团股份有限责任公司，甘肃 金昌 737100

关键词：表面缺陷,镍板,缺陷检测,图像处理,图像增强算法,YOLOv5,注意力机制,EIoU损失函数,准确率,平均精度,检测速度

基金：湖南省科技成果转化及产业计划项目(2020GK2087)

针对镍板表面缺陷检测智能化程度低的问题，提出了一种基于改进YOLOv5的镍板表面缺陷检测方法。首先，对图像增强后的镍板数据集通过K-means++重新聚类锚框，提高锚框对本文数据集的适应度。其次，在主干网络Backbone中加入CBAM注意力机制，通过空间与通道信息融合来加强对感兴趣区域以及不清晰目标的特征识别。最后，在边界框回归时引入EIoU损失函数代替原CIoU损失函数，有效提高回归收敛速度，从而提高模型检测速度。实验结果表明，在自建的镍板缺陷数据集上，改进后的模型检测准确率高于Faster R-CNN、SSD、YOLOv3、YOLOv5等模型，其平均精度均值达81.4%，检测速度达61帧/s，模型在提高检测精度的同时也很好地满足了对检测速度的要求。

来源：2024年第2期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2024年第2期