基于改进的YOLOv5金刚石线表面质量检测

黄叶祺; 王明伟; 闫瑞; 雷涛

doi:10.16088/j.issn.1001-6600.2022112106

广西师范大学学报（自然科学版） ›› 2023, Vol. 41 ›› Issue (04) : 123 -134. DOI: 10.16088/j.issn.1001-6600.2022112106

基于改进的YOLOv5金刚石线表面质量检测

黄叶祺, 王明伟, 闫瑞, 雷涛

作者信息 +

Author information +

文章历史 +

摘要

金刚石线上固着的金刚石颗粒数量、位置分布和分布密度等是衡量金刚石线表面质量的重要参数，也是衡量金刚石线切割能力的重要指标。针对金刚石颗粒微小、密集、粘连等现象导致其特征难以提取、识别准确率低等问题，本文采用深度学习技术，提出一种基于改进的YOLOv5金刚石线表面质量检测方法。首先在图像处理阶段，使用阈值分割技术初步划分大、小颗粒；其次在主干网络部分，添加CA(coordinate attention)注意力模块，获取更高质量的粘连颗粒中单粒边界特征；再次设计C2(CA+CBL)模块，用特征融合保留不同层之间的语义信息，进而提升密集小目标的检测精度；最后用一个卷积代替CSP2＿X结构，降低计算量，同时将不同尺度的输出特征图感受野缩小，避免颗粒特征虚化，从而影响颗粒的检测精度。实验表明，改进的网络模型，能够有效识别形状不一、大小不一、粘连和密集的金刚石颗粒图像，微粒平均精度(AP)达到83.80%,大颗粒平均精度达到90.70%,平均精度均值(mAP)达到87.20%。