欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023101747073
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,包括以下步骤:S1、获取各种铝材表面缺陷图片,进行数据增强的图片预处理,建立数据集;

S2、将预处理后的数据集输入引入ghost网络、联合注意力机制和深度可分离卷积的改进的YOLOv5网络结构中,进行强化迁移训练,得到优化模型;所述引入ghost网络、联合注意力机制和深度可分离卷积的改进的YOLOv5网络结构包括:将输入图片经CBL、第一Ghost模块、第一C3Ghost模块、第二Ghost模块、第二C3Ghost模块、第三Ghost模块、第三C3Ghost模块、第四Ghost模块、第四C3Ghost模块,且四个C3Ghost模块中均嵌入注意力模块;所述第二C3Ghost模块的输出与从第一Dw卷积模块上采样的输出Concat后经第五C3Ghost模块输出第一尺度特征图;所述第三C3Ghost模块的输出与从第三Dw卷积模块上采样的输出Concat后,经第六C3Ghost模块、第一Dw卷积模块后的输出,与所述第五C3Ghost模块经第二Dw卷积模块的输出Concat后,经第七C3Ghost模块输出第二尺度特征图;所述第四C3Ghost模块的输出经SPPF、第三Dw卷积模块的输出,与所述第七C3Ghost模块经第四Dw卷积模块后的输出Concat后,经第八C3Ghost模块输出第三个尺度特征图;所述C3Ghost模块是加了Ghost的C3模块,所述Dw卷积模块为深度可分离卷积模块;

S3、将所述优化模型部署到硬件设备上进行铝材表面缺陷的实时检测。

2.根据权利要求1所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述步骤S2包括:S21、将预处理后或进一步加强的数据集输入引入ghost网络、联合注意力机制和深度可分离卷积的改进的YOLOv5网络结构中,利用迁移学习得到预训练模型;

S22、判断各种缺陷的准确率是否均达到设定阈值,若否,则进入步骤S23,若是,则进入步骤S24;

S23、将准确率未达到设定阈值的缺陷对应的数据集进一步强化,返回步骤S21继续训练;

S24、训练得到优化模型。

3.根据权利要求2所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述步骤S23中,还包括参数微调。

4.根据权利要求2所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述步骤S22中,所述设定阈值为95%。

5.根据权利要求2所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述各种缺陷包括针孔、脏物和划痕。

6.根据权利要求1所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述注意力模块采用包括并行连接的通道注意力模块CAM和空间注意力模块SAM,输入特征图F的高,宽和通道数分别为H,W,C,在所述CAM中首先通过Max Pool和Avg Pool对F的全局空间信息进行压缩,生成两个尺寸为1×1×C的特征图S1和S2,所述特征图S1和S2通过MLP得到两个一维的特征图,对所述两个一维特征图进行归一化得到权重特征图MC;同时,在所述SAM中首先通过1×1×1的卷积模块,将结果输入Sigmoid函数中进行激活得到权重特征图MS;最后将所述权重特征图MC和MS采用逐元素相加方式并行连接,进行Sigmoid激活函数后得到输出特征图F^。

7.根据权利要求1所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,步骤S1中所述图片预处理包括:将不同规模的不同缺陷对象的所述铝材表面缺陷图片粘贴到新的背景图片;

将所述铝材表面缺陷图片进行高斯模糊调整;

并包括以下至少一种处理方法:

将所述铝材表面缺陷图片随机选取四张通过mosaic数据增强拼接得到新的图片;

将所述铝材表面缺陷图片进行亮度调整;

将所述铝材表面缺陷图片进行旋转角度调整;

将所述铝材表面缺陷图片进行裁剪调整;

将所述铝材表面缺陷图片进行平移调整;

将所述铝材表面缺陷图片进行镜像调整。

8.根据权利要求1所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述输入图片已统一调整高*宽*通道数为640*640*3。

9.根据权利要求8所述的基于改进YOLOv5的铝表面实时缺陷检测方法,其特征在于,所述第一尺度特征图的高*宽*通道数为255*80*80,所述第二尺度特征图的高*宽*通道数为

255*40*40,所述第三尺度特征图的高*宽*通道数为255*20*20。

10.一种基于改进YOLOv5的铝表面实时缺陷检测系统,其特征在于,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至9任一项所述的基于改进YOLOv5的铝表面实时缺陷检测方法。