基于改进YOLOv5s的经编织物缺陷检测OACSTPCD
Detection of warp knitted fabric defects based on improved YOLOv5s
针对经编织物缺陷检测精度低、漏检和误检率高等问题,提出改进的YOLOv5s算法模型CSC-YOLOv5s.首先使用ConvNeXtBlock模块替换主干提取网络中的CSP模块,增强主干网络的特征提取能力,减少特征提取时细节信息的丢失;其次提出SC-PANet网络结构,引入SimAM注意力机制模块,增强模型在特征融合时对经编织物缺陷区域的关注,提高小尺寸缺陷的检测精度,结合Content-Aware ReAssembly上采样算子改进上采样层,提升…查看全部>>
孙浩东;周其洪;陈鹏;陈革;王水;王菡珠
数字化纺织服装技术工程研究中心,上海,201600||东华大学,上海,201600数字化纺织服装技术工程研究中心,上海,201600||东华大学,上海,201600东华大学,上海,201600东华大学,上海,201600五洋纺机有限公司,江苏常州,213000五洋纺机有限公司,江苏常州,213000
轻工业
缺陷检测YOLOv5s模型注意力机制经编织物平均精度均值
defect detectionYOLOv5s modelattention mechanismwarp knitted fabricmean average precision
《棉纺织技术》 2023 (7)
46-52,7
国家重点研发计划(2017YFB1304000)中央高校基本科研业务费专项资金
评论