Re-YOLOv5:一种基于结构重参数化的钢材缺陷检测方法OACSTPCD
钢材在生产的过程中很容易产生裂纹、斑点等缺陷,而目前对于所产生缺陷的检测技术还不是很成熟。为了实现对工业钢材生产过程中所产生的钢材缺陷进行实时鲁棒检测,以YOLOv5为基础,引入了结构重参数化方法,建立了Re-YOLOv5工业钢材缺陷检测模型。在该模型中,将YOLOv5的Neck层与Head层合并为Head层,用作预测,并且加入RepVGG模块和卷积层,输出预测结果。Backbone用作特征提取,可以在改善模型推理速度的同时提高检测准确率。同时,…查看全部>>
游大朋;杨静;张露;焦喜香;胡学进
合肥学院人工智能与大数据学院,安徽合肥230601合肥学院人工智能与大数据学院,安徽合肥230601合肥综合性国家科学中心人工智能研究院,安徽合肥230088合肥学院人工智能与大数据学院,安徽合肥230601合肥学院人工智能与大数据学院,安徽合肥230601
计算机与自动化
结构重参数化YOLOv5RepVGG钢材缺陷检测
《测控技术》 2024 (3)
P.9-21,13
安徽省自然科学基金项目(2108085MF195)安徽省高校自然科学研究项目(KJ2021A0992)合肥学院人才科研基金项目(20RC16)。
评论