换一批摘要目的 针对车载高压氢气瓶表面缺陷存在的形态多样性、尺度微小、分辨率低及复杂背景干扰等难题,传统算法易出现漏检和误检问题,本文旨在改进YOLOv5 的压缩氢气瓶表面缺陷识别方法.方法 引入通道卷积块关注模块注意力机制强化特征空间区分度,构建GFE全域特征提取单元捕捉长程依赖关系,结合迁移学习策略优化模型收敛效率.采用自适应数据增强方法构建包含 4 类典型缺陷的氢气瓶数据集,训练阶段采用复合损失策略优化训练过程.结果 改进模型在测试集上达到 83.7%的平均精度,较基线YOLOv5 s提升 3.2%,检测效率保持在 45FPS.结论 该方法较好地解决了特殊场景下的表面缺陷检测难题,检测精度与效率指标均优于主流算法,为特种设备缺陷自动化检测提供了新思路.
更多相关知识
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
