基于DCGAN与YOLOv5s的火箭弹非金属壳体缺陷识别方法研究

作者：高慧芳; 金永; 柴国强; 宋佳霖; 王召巴; 陈友兴

来源：固体火箭技术, 2022, 45(06): 949-955.

DOI：10.7673/j.issn.1006-2793.2022.06.017

• 火箭弹非金属壳体
• 缺陷识别
• YOLOv5s算法
• 深度卷积生成对抗网络

针对火箭弹非金属壳体的缺陷样本少且分布不均衡的问题，提出一种基于DCGAN与YOLOv5s的缺陷识别方法。在对非金属壳体的X射线缺陷图像实施亮度变换、对比度变换、颜色变换等非生成式数据增强方法的基础上，设计了深度卷积生成对抗网络(DCGAN)扩充缺陷数据集，解决了样本少且分布不均的问题。优化YOLOv5s网络的C3模块，使用稠密网络代替残差网络，增强网络的特征提取能力。实验结果表明，优化后YOLOv5s算法的mAP值、精确率、召回率分别提高到85.4%、85.2%、83%,能够较好地识别火箭弹非金属壳体的缺陷。

• 单位
  中北大学; 山西师范大学