改进YOLOv5的高密度聚乙烯管热熔接头3D全聚焦成像缺陷识别分析

作     者：肖权旌 王强 谷小红 许卫荣 刘剑锋 国树东 XIAO Quanjing;WANG Qiang;GU Xiaohong;XU Weirong;LIU Jianfeng;GUO Shudong

作者机构：中国计量大学机电工程学院杭州310018 中国计量大学质量与安全工程学院杭州310018 湖州市特种设备检测研究院湖州313000 泰安市特种设备检验研究院泰安271000 

出 版 物：《应用声学》 (Journal of Applied Acoustics)

年 卷 期：2025年第44卷第1期

页      面：88-96页

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2023YFF0611600) 浙江省‘尖兵’‘领雁’研发攻关计划项目(2022C03179) 浙江省市场监管局科技计划项目(20210144) 

主　　题：全聚焦成像 3D成像 高密度聚乙烯管 缺陷识别 深度学习 

摘      要：为保障聚乙烯管热熔接头缺陷识别效率和准确性,该文提出一种基于改进YOLOv5的高密度聚乙烯管热熔接头3D全聚焦成像缺陷识别方法。首先,在YOLOv5模型的特征提取网络中加入SE注意力机制模块,提高不明显缺陷的边缘特征提取,在预测网络中,将原始YOLOv5的损失函数改为SIoU损失函数,提高模型回归效率和收敛速度,更有利于模型的优化;其次,对高密度聚乙烯试块典型缺陷(ϕ1 mm、ϕ2 mm、ϕ3 mm)进行3D全聚焦成像检测实验,采集原始的3D全聚焦缺陷图谱,完成图像增广并建立数据集;最后,采用迁移学习策略对改进模型进行训练,获取最优模型并进行评价。结果表明:该方法与传统YOLOv5相比,其准确率提升了2.4%,召回率提升了3.1%,较好解决检测人员错检、漏检等情况,提高检测效率。