基于YOLO的铝型材料表面小缺陷检测

摘要

铝型材料是世界上使用量较多的合金材料之一,精确检测铝型材料表面缺陷的类型和位置对提高铝型材料的利用率有着重要作用。现有物体表面缺陷检测的方法在准确度、灵活性以及检测尺度上存在不足,为弥补这些不足,提出了一种基于YOLO-v5的多尺度物体表面缺陷检测模型。该模型在保证检测性能的情况下扩张了检测尺度,改进了锚框的计算,攻克了作为表面缺陷检测主要难点之一的小缺陷检测。在训练过程中引入了迁移训练的方法进行多次迁移训练,提升了短期训练的模型检测精度。实验结果表明:在铝型材料表面缺陷的小缺陷检测任务中,该模型的平均正确率(AP)较改进前有了明显的提升,其余缺陷检测任务的AP也不低于改进前,准确率均值(mAP)也有了明显的提升,并且检测速度(FPS)没有明显下降。