裂缝小目标缺陷的轻量化检测方法

摘要

及时且准确捕获井壁出现的微小裂缝，对于井筒安全意义重大.轻量化检测模型是推动井壁裂缝自动检测的关键，打破现有方法聚焦于提取深层语义信息的局限，重视浅层特征表征的几何结构信息的应用，针对井壁裂缝提出轻量化检测模型E-YOLOv5s.首先融合普通卷积、深度可分离卷积和ECA注意力机制设计轻量化卷积模块ECAConv，再引入跳跃链接构建特征综合提取单元E-C3，得到骨干网络ECSP-Darknet53，它负责显著降低网络参数，同时增强对裂缝深层特征的提取能力.然后设计特征融合模块ECACSP，利用多组ECAConv和ECACSP模块组建细颈部特征融合模块E-Neck，旨在充分融合裂缝小目标的几何信息和表征裂缝开裂程度的语义信息，同时加快网络推理速度.实验表明，E-YOLOv5s在自制井壁数据集上的检测精度相较YOLOv5s提升了4.0%，同时模型参数量和GFLOPs分别降低了44.9%、43.7%.E-YOLOv5s有助于推动井壁裂缝自动检测的应用.

关键词

裂缝缺陷 / 小目标 / 深度学习 / 深度可分离卷积

基金资助

国家自然科学基金资助项目（52174141）; 安徽省自然科学基金资助项目（2108085ME158）; 安徽省高校协同创新项目（GXXT-2020-54）; 安徽省重点研发计划支持项目（202004b11020029,202104a07020005）