科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的陶瓷缺陷检测主要依赖人工目测或放大镜观察，为解决检测效率低、结果主观性强等问题，提出了一种基于深度学习的陶瓷表面缺陷检测算法，针对于陶瓷杯表面的缺陷具体情况，在YOLOv5目标检测模型的基础上，增加小目标检测层，同时使用位置注意力机制进行特征重构提高检测的精确度，实现了高精度的缺陷检测。针对实际生产中的陶瓷双层杯进行数据采集训练，并对于每批数据进行推理，最终平均检测精度达到了95.4%。本文所改进的YOLOv5缺陷检测模型拥有更高的准确率、识别速度快等优点，可以极大地减少陶瓷质检减少人力物力的损耗与时间成本。
- 单位
