基于改进YOLOv5模型的织物疵点检测OACSTPCD
Fabric defect detection based on an improved YOLOv5 model
针对传统机器学习方法检测织物疵点精度低,小目标检测较困难的问题,提出一种基于改进YOLOv5 的织物疵点的目标检测算法.在YOLOv5 模型的Backbone模块中分别引入SE注意力机制和CBAM注意力机制,使模型聚焦于图像中的关键信息,改进传统 YOLOv5 网络检测精度不高的问题.结果表明:改进后的模型具有更好的检测性能,其中引入CBAM模块后提升幅度最明显,较原网络mAP值提升了 7.7%,基本满足织物疵点检测需求.
高敏;邹阳林;曹新旺
武汉纺织大学纺织科学与工程学院,武汉 430200武汉纺织大学纺织科学与工程学院,武汉 430200||中电建湖北电力建设有限公司,武汉 430040武汉纺织大学纺织科学与工程学院,武汉 430200
轻工业
织物疵点YOLOv5模型注意力机制深度学习
fabric defectsYOLOv5 modelattention mechanismdeep learning
《现代纺织技术》 2023 (4)
155-163,9
国家自然科学基金青年基金项目(51503162)湖北省自然科学基金青年面上项目(2016CFB459)湖北省大学生创新训练计划项目(S201910495063)国家大学生创新训练计划项目(201910495014)
评论