基于改进YOLOv5模型的织物疵点检测算法

作者：郭波; 吕文涛^*; 余序宜; 郭庆; 陈亮亮; 王成群

来源：浙江理工大学学报, 2022, 47(05): 755-763.

• 深度学习
• YOLOv5
• 织物疵点检测
• 激活函数
• 实时检测

针对织物疵点存在的种类多、密集度高、尺度小等检测难点，提出一种基于改进YOLOv5模型的织物疵点检测算法。首先，通过Kmeans++方法对所有真实框进行聚类，提高了模型训练时的收敛速度；其次，将Mish激活函数用于模型训练，提高了其非线性表达能力；再次，通过增加检测层提升了对多尺度目标的检测性能，并调整池化层位置提取多尺度的特征信息，提升了算法的鲁棒性及检测精度；最后，优化颈部网络结构，提升了算法的检测精度和速度。基于天池织物疵点数据集的实验结果表明：该算法的mAP达到了76.8%,相较基于原YOLOv5模型的织物疵点检测算法提升了7.7%,验证了该算法的有效性和鲁棒性。该算法在满足实时检测的要求下提高了检测精度，并优于其他主流目标检测算法，具有良好的应用前景。

• 单位
  浙江经贸职业技术学院; 浙江理工大学