科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决氢燃料电池中金属双极板表面缺陷尺寸小,缺陷对比不明显、种类多造成的难以检测,易误检漏检以及缺陷检测模型复杂度太大难以部署等问题,提出一种改进版的金属双极板缺陷检测算法DN-YOLOv5,来探究缺陷检测在冲压成形的金属双极板视觉检测工作台场景下进行快速精准检测的可行性,从而实现智能检测,提升检测效率。本研究着重于修改YOLOv5主干网络Backbone部分,添加网络中模块数量,加入NAM注意力机制和使用深度可分离卷积模块来替代原来CSP/CBS主干网络卷积模块,并引入SIoU对损失函数重新进行了定义,极大的提升了主干网络的轻量化程度。结果表明,本算法的map@0.5可达0.988,每秒检测传输帧率为9.98,模型参数量降低了52.13%,在测试集75张缺陷图像中真检率达到了99.74%。该方法在保证模型较高检测率的同时,显著降低了模型复杂度和参数计算量。此外,该算法结合新的检测尺度设计特征融合网络,提升网络的小目标、多目标检测能力。该算法具有良好的稳定性和鲁棒性,综合性能较好,满足部署移动端场景进行缺陷检测的轻量化需求。
-
单位苏州大学; 机电工程学院
