典型文献
基于改进YOLOv5的锂电池极片缺陷检测
文献摘要：
针对传统目标检测法在锂电池极片缺陷检测中存在小目标缺陷漏检率高的问题,提出了一种改进的YOLOv5算法.首先,输入端引入图像增强预处理(IEP),提高图像对比度;其次,采用深度可分离卷积(DSC)替换标准卷积,降低模型参数;然后,添加卷积注意力模块(CBAM),增强网络对空间和通道的关注度;最后,扩充多尺度检测结构(MDS),提升模型对小目标缺陷的检测性能.结果表明:改进的YOLOv5-IDCM算法对锂电池极片缺陷检测的平均精度均值达93.1％,相比原始YOLOv5算法提高了2.4％,网络权重缩减至10.3MB,与其他主流检测算法相比具备一定的优势.
文献关键词：
锂电池极片;深度可分离卷积;卷积注意力模块;多尺度检测结构
中图分类号：
作者姓名：
毛晓;李林升;桂久琪;王庆秋
作者机构：
上海电机学院电气学院, 上海 201306
文献出处：
引用格式：
[1]毛晓;李林升;桂久琪;王庆秋-.基于改进YOLOv5的锂电池极片缺陷检测)[J].上海电机学院学报,2022(06):359-365,372
A类：
多尺度检测结构,IDCM,3MB
B类：
YOLOv5,锂电池极片,缺陷检测,目标检测,检测法,小目标缺陷,漏检率,图像增强,IEP,对比度,深度可分离卷积,DSC,标准卷积,加卷,卷积注意力模块,CBAM,MDS,检测性能,平均精度均值,减至,检测算法
AB值：
0.238741
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
