CN114663346B 一种基于改进YOLOv5网络的带钢表面缺陷检测方法 （河北工业大学）

一种基于改进YOLOv5网络的带钢表面缺陷本发明公开一种基于改进YOLOv5网络的带21.2将缺陷图片集进行尺寸归一化操作，然后使用Labelimg软件对缺陷图片集中的图1.3随机将完成标注的缺陷图片集的不少于60％部分划分为训练集，余下部分为验证改进YOLOv5网络模型为在YOLOv5网络模型的基础上，在PAN的三个CSP23_模块与网络模型的分类与定位部分的三个conv模块之间均串连接入一个C意力模块首先将输入的特征F1分别经过基于深度和宽度的全局最大池化和全局平均池化，小为k的快速一维卷积处理，然后将两个快速一维卷积得到的结果相加后再经过激活函数通道注意力模块输出的特征F2输入到空间注意力模块，空间注意力模块对特征F2分别H的特征图基于通道做通道拼接操作，然后将拼接操作得到的结果经过一个卷积核为7×7将训练集采用Mosaic数据增强的方式进将经过预处理的训练集输入到第二步中的初始化参数设定好后的改进YOLOv5网络模3陷位置信息，非极大抑制阈值为0.5；然后通过损失函数GIOU计算预测值和真实将待检测的带钢表面图像经过如第一步的步骤1.2中相同的尺寸归一化操作，然后输2.根据权利要求1所述的一种基于改进YOLOv5网络的带钢表面缺陷检测方法，其特征即有多少个相近邻参与一维通道的注意力预测；其中交互作用的覆盖范围k与通道维成比3.根据权利要求1所述的一种基于改进YOLOv5网络的带钢表面缺陷检测方法，其特征4.根据权利要求1所述的一种基于改进YOLOv5网络的带钢表面缺陷检测方法，其特征4[0001]本发明属于工业缺陷检测技术领域，具体涉及一种基于空间通道注意力模块的陷在很大程度上会影响带钢的抗腐蚀性和使用寿命。现有的缺陷检测手段使用人工裸眼[0003]深度学习通过卷积神经网络进行缺陷特征的自动提取并进行学习，无需进行人钢表面缺陷检测[J/OL].计算机工程与应用:1-12[2021-06-2积神经网络(MaskR-CNN)算法，使用k-meansII聚类算法改进区域建议网络(RPN)锚框生络的带钢表面缺陷检测方法，能对常见不同类型的带钢表面缺陷进行实时检测并进行缺[0005]本发明解决上述技术问题采用的技术方案是：设计一种基于改进YOLOv5网络的5[0013]CSP23_模块输出的特征图F1输入到CSA模块中，首先经过通道注意力模块处理，通道注意力模块首先将输入的特征F1分别经过基于深度和宽度的全局最大池化和全局平×W×1的特征图基于通道做通道拼接操作，然后将拼接操作得到的结果经过一个卷积核[0021]将经过预处理的训练集输入到第二步中的初始化参数设定好后的改进YOLOv5网实值之间的loss值；根据训练损失值进行反向传播，更新骨干网络和分类回归网络的参6后输入到第三步中测试为可靠的网络模型中，得到待检测的带钢表面图像的缺陷张量信层特征融合在一起再进行注意力运算，这样由于深层包含有更多的高级语义信息与更少普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保[0030]本发明提供一种基于改进YOLO[0033]1.2将缺陷图片集进行尺寸归一化操作(本实施例为缩放至608*608像素)，然后使用Labelimg软件对缺陷图片集中的图片进行手动标注，使每一张缺陷图片上具有缺陷[0037]CSA模块包括一个通道注意力(ChannelAttention)模块和一个空间注意力7[0038]CSP23_模块输出的特征图F1(C到的两个C×1×1的特征图分别经过一个卷积核大小为k的快速一维卷积(Conv1d)处理，分别进行全局最大池化(MaxPool)和全局平均池化(MeanPool)处理，得到两个1×W×H[0049]将经过预处理的训练集输入到第二步中的初始化参数设定好后的改进YOLOv5网8后输入到第三步中测试为可靠的网络模型中，得到待检测的带钢表面图像的缺陷张量信小与未进行操作的原图大小相同，为608×608×3；重复上述操作，设置循环次数等于[0057]Focus模块连接三组CBL(卷积层Convolution-批标准化Batchnormalization-激[0064]CSP1_X模块中直接对输入特征图进行卷积的CBL卷积结构的卷积层conv和CSP1_[0065]特征再处理网络设计：采用特征金字塔FPN和像素聚合9[0066]将FPN中的每个上采样结构的输出和特征提取网络中的CSP1_9-1、CSP1_9-2模块的输出特征图进行深度方向张量拼接concat，同时将FPN中的每个CBL卷积结构的输出和CBL卷积结构后分别增加一个CSP2_3模块和SPP模块，PAN结构的第一个CBL卷积结构之前[0069]该模块结构与CSP1_3模块每个残为1×1的卷积层经批标准化和激活函数Leakyrelu连接3×3卷积层，该3×3卷积层再连[0075]本实施例采用AP(AveragePrecision，平均精度)和mAP(meanAverage[0085]在目标检测中，通常利