典型文献
基于改进YOLOv5的X射线图像铸件缺陷实时检测
文献摘要:
铸件缺陷检测是一项重要的质量管理程序.为了避免人为因素的影响,提高检测精度,对YOLOv5s6的目标检测算法进行改进,用于X射线图像的铸件缺陷检测.首先设计了一种C3CA模块用于捕获跨通道、方向感知和位置感知的信息.然后通过在骨干网络中融合多头自注意力机制来捕获局部与全局信息.最后采用Focal-EIoU Loss损失函数.实验结果表明:在相同训练条件下,改进后YOLOv5s6的AP50 值达到了90.2%,F1因子达到了 87.8%,相较原始模型分别提高了 3.4%和2.3%,具有检测准确率高、实时性强等特点.
文献关键词:
铸件缺陷检测;多头自注意力机制;YOLOv5s6;X射线图像
中图分类号:
作者姓名:
胡哲;徐承志;雷光波;徐丽
作者机构:
湖北工业大学计算机学院,武汉 430068
文献出处:
引用格式:
[1]胡哲;徐承志;雷光波;徐丽-.基于改进YOLOv5的X射线图像铸件缺陷实时检测)[J].激光杂志,2022(05):54-59
A类:
YOLOv5s6,C3CA
B类:
实时检测,铸件缺陷检测,管理程序,人为因素,高检,检测精度,目标检测算法,跨通道,方向感,位置感知,骨干网络,多头自注意力机制,全局信息,Focal,EIoU,Loss,损失函数,AP50,检测准确率
AB值:
0.276297
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。