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

来源：计算机工程与应用, 2023, 1-9.

• 缺陷检测
• 齿轮配件
• CBAM
• 特征融合
• NWD距离

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。首先，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；其次，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；最后，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%，检测速度为43帧/秒，基本满足了对汽车齿轮配件表面缺陷检测的需求。

• 单位
  北京联合大学