基于改进YOLOX的编织袋表面缺陷检测算法

摘要

为解决工业生产线上编织袋缺陷检测仅依赖传统人工目视检测方法耗时费力且漏检率高等问题，提出了一种用于编织袋生产线的轻量级实时缺陷检测算法GT-YOLOX(Ghost-TwoScale-YOLOX).该算法利用GhostNet作为骨干网络，嵌入了CA(Coordinate Attention)注意力机制加强特征学习，同时设计了一种双层特征融合策略，以降低模型计算量并提升检测速度.该算法已经在湖北黄石华新水泥袋智能剔除项目中完成有效验证.结果表明：GT-YOLOX算法可对编织袋特定缺陷的平均检测精度达到了95.22%.同时，在单CPU设备上，每张图像的检测速度缩短至67毫秒，相较于标准YOLOX模型，推理时间提升了34.31%，模型权重减少了近50%.说明GT-YOLOX算法能够有效满足生产线上编织袋缺陷检测的快速且高精度要求.

关键词

表面缺陷检测 / YOLOX算法 / CA注意力机制 / 轻量级模型