改进YOLOv5的汽车齿轮配件表面缺陷检测

作     者：朱德平 程光 姚景丽 ZHU Deping;CHENG Guang;YAO Jingli

作者机构：北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学前沿智能技术研究院北京100101 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第5期

页      面：321-327页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划(2021YFB1715700) 

主　　题：缺陷检测 齿轮配件 CBAM 特征融合 NWD距离 

摘      要：针对汽车齿轮配件表面缺陷检测存在效率低和精度差的问题,提出一种基于YOLOv5改进的缺陷检测模型YOLO-CNF。在骨干网络中增加CBAM注意力模块,使模型更加关注齿轮配件的缺陷区域,提高对微小缺陷的识别能力;设计了F2C模块用于融合浅层特征,在一定程度上缓解了微小缺陷位置信息丢失的问题;利用NWD(normalized Wasserstein distance)对回归损失进行优化,减少对小目标位置偏差的敏感性,从而进一步提高目标位置的准确率和精度。实验结果表明,改进模型的平均精度均值达到了86.7%,相较于原始模型提高了3.2个百分点,检测速度为43帧/s,基本满足了对汽车齿轮配件表面缺陷检测的需求。