基于改进YOLOv5的螺栓紧固件检测

作者：宋道远; 徐兴华; 邱少华^*; 欧阳斌; 陈卫明

来源：海军工程大学学报, 2023, 1-5.

• YOLOv5
• 螺栓检测
• 注意力机制
• 特征融合

螺栓是电磁能装备中重要的连接紧固件，基于计算机视觉的检测有助于后续的螺栓松动检测、缺陷检测等步骤。针对螺栓目标小的特征，提出了基于改进YOLOv5（you only look once）的螺栓目标检测方法。首先对Backbone引入SE（squeeze-and-excitation）注意力机制模块，提高基础主干网络的特征提取能力；随后引入Bi-FPN（bi-directional feature pyramid network）结构实现Neck部分的特征融合功能，加权融合不同层的特征信息；最后建立由个人收集和公共数据集NPU-BOLD组成的螺栓数据集，共包含1 520张图像。该数据集下的实验结果表明，本方法检测的mAP为90.0%，较YOLOv5s提升了2.4%，精度提升较明显且能够保证较快的检测速度。

• 单位
  中国地质大学（武汉）; 中国人民解放军海军工程大学