基于改进YOLOv5的纸病检测方法

作者：张开生; 关凯凯^*

来源：中国造纸, 2022, 41(10): 79-86.

• 纸病检测
• YOLOv5
• 批量归一化模块
• 坐标注意力机制
• 损失函数

针对传统纸病检测算法中纸病特征提取困难、实时性差的问题，提出一种改进YOLOv5的纸病检测方法。该方法首先在批量归一化模块的首尾部分添加居中和缩放校准，形成更稳定的纸病有效特征分布；其次在骨干网络中添加坐标注意力机制，增强骨干网络的纸病特征提取能力；最后选用CIoU＿loss作为边界框回归的损失函数，实现高精度的定位。实验结果表明，改进后的算法平均精度达99.02%，实时检测速度达41.58帧/s，相较于现有的基于CNN纸病分类算法，检测精度与检测速度都有较大的提升，且改进后的算法对光源的依赖程度更低，能对各类纸病实现精准辨识。

• 单位
  陕西科技大学