计算机工程

作者：刘俊豪, 王美林, 谢兴, 宋烨兴, 许莉花

单位：1. 广东工业大学 信息工程学院, 广州 5100062. 西昌学院 机械与电气工程学院, 四川 西昌 615000

关键词：皮革瑕疵,轻量型YOLOv5算法,注意力机制,深度学习,目标检测

基金：国家自然科学基金(U1701266); 国家自然科学基金(62002069); 广东省科技计划(2019A050513011); 广州市科技计划(202002030386)

皮革瑕疵检测是工业皮革生产行业中质量控制的重要环节，针对工业皮革瑕疵在线检测中存在计算复杂度高、对小目标检测效果差、数据样本少等问题，提出一种基于注意力机制的轻量化皮革瑕疵检测算法GPC-YOLOv5。使用工业相机采集瑕疵图片并对其进行标注，制作瑕疵数据集，利用YOLOv5s模型进行目标检测。使用ImgAug数据增强技术扩充原始数据集的数量，并在训练过程中结合Mosaic数据增强方法解决数据样本少的问题。在YOLOv5的基础上，使用轻量化的GhostNet模块替换主干网络和颈部的卷积模块，有效减少模型的参数量和计算量，通过改进激活函数减少网络复杂度并加快计算速度，以满足实时性需求。在主干网络中加入新型注意力机制Polarized Self-Attention模块，增强网络对于小目标瑕疵的特征提取能力。实验结果表明，相比YOLOv5，GPC-YOLOv5算法的参数量和计算量分别减少25.4%和28.5%，总体mAP达到89.2%，能够有效提高检测精度并加快检测速度。

来源：2023年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第8期