基于改进YOLOv5的天然气管道内壁缺陷检测OA
针对管道内壁缺陷检测精度低、易漏检等问题,提出一种基于改进YOLOv5的天然气管道内壁缺陷检测算法。首先,在主干网络与加强特征提取网络之间加入CBAM注意力机制,使网络关注到更加有效的信息,从而提高网络的特征提取能力;其次,将损失函数由GIOU替换为CIOU,以提升算法的精度和收敛速度。选取东北大学钢材表面缺陷数据集进行实验验证,结果表明,相较于YOLOv5算法,该算法的检测效果更好。
梁书溢;何亚平;唐德东;崔文岩;何小宇;周德
重庆科技学院电气工程学院,重庆401331重庆科技学院电气工程学院,重庆401331重庆科技学院电气工程学院,重庆401331重庆科技学院电气工程学院,重庆401331重庆科技学院电气工程学院,重庆401331重庆科技学院电气工程学院,重庆401331
计算机与自动化
目标检测管道内壁缺陷YOLOv5注意力机制图像识别
《重庆科技学院学报:自然科学版》 2023 (4)
P.74-79,6
重庆市技术创新与应用发展专项重点项目“免维护天然气在线分析技术与应用推广”(CSTC2019JSCX-MSXMX0054)重庆科技学院研究生创新项目“基于改进YOLOv7的带钢缺陷检测系统设计及其实现”(YKJCX2220408),“基于YOLOv7的智能交通监测系统”(YKJCX2220419)。
评论