基于改进YOLOv5s的烟支外观缺陷检测方法

作者：刘鸿瑜; 袁国武^*

来源：计算机技术与发展, 2022, 32(08): 161-167.

• 烟支
• 外观缺陷检测
• YOLOv5s
• 数据增强
• 注意力机制

烟支外观缺陷自动检测是卷烟厂产品质量检测中的重要步骤，它对提升卷烟质量有很大的作用。针对烟支自动化生产过程中生产速度快、要求检测精度和分类精确率高等现状，提出了一种基于改进YOLOv5s的烟支外观缺陷检测方法。首先，使用LabelImg工具对原数据进行标记，并进行合适的数据增强；其次，在YOLOv5s网络的主干模块引入了通道注意力机制，增强模型的表达能力；然后，优化激活函数，采用Swish,提升网络分类效果；最后，优化损失函数，采用DIoU,以更好地对小目标进行检测。实验结果表明，改进的YOLOv5s方法在烟支外观数据集上的精确率达到了90.9%,召回率达到了86.8%,平均检测精度达到了94.0%。与原始的YOLOv5s网络对比，精确率上升了4.1%,召回率上升了4.5%,平均检测精度上升了3.3%。而在平均检测速度上面，改进的YOLOv5s和原始的YOLOv5s网络相比只增加了0.1 ms/支，也能满足目前烟支生产流水线的检测速度需要。因此，改进后的YOLOv5s算法提升了传统烟支自动化生产过程中的检测精度和速度，能投入到烟支外观缺陷检测应用中。

• 单位
  云南大学