基于改进YOLOv5算法的钢管焊缝缺陷检测

作者：蔡绪明; 王文武

来源：组合机床与自动化加工技术, 2023, (11): 74-78.

DOI：10.13462/j.cnki.mmtamt.2023.11.017

• 焊缝缺陷检测
• YOLOv5
• 动态区域感知卷积
• 空间特征自适应融合

针对X光图像下钢管焊缝缺陷对比度弱﹑缺陷尺寸大小不一﹑同类缺陷形状变化大等因素导致的缺陷检测率不高的问题，提出一种改进YOLOv5的焊缝缺陷检测算法。首先，对X光图像进行去模糊处理，获得较清晰的焊缝图像；其次，在YOLOv5的主干网络中引入动态区域感知卷积代替标准卷积，保证参数不增加的情况下，增强特征提取能力；进一步针对YOLOv5中CSP特征金字塔融合准则过于简单的问题，采用了一种高效的特征融合机制以增强特征表达能力；最后，在检测头部分引入可学习权重参数，实现检测头中的特征自适应融合。实验结果表明，与传统YOLOv5算法相比，虽然检测速度从32.2 fps降到27.5 fps,但是检测的mAP提高了3.3%,达到94.6%,初步满足实际生产中钢管焊缝缺陷自动检测需求。

• 单位
  武汉科技大学; 中石化石油机械股份有限公司沙市钢管分公司