基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测

TP391; 针对人工检测斜拉桥拉索表面缺陷效率低、安全性差,而现有目标检测方法速度慢、精度低,受拉索表面污垢干扰容易导致错检、漏检等问题,本文改进YOLOv5s网络以实现拉索表面缺陷快速准确检测.在主干网络增加TRANS模块,获取单幅图像更多特征,提高缺陷检测精度;为减少参数量、提高计算速度,将颈部网络的CSP模块替换为GhostBottleneck模块,同时利用深度可分离卷积代替普通卷积;利用SIOU损失函数减少边界框震荡,提高预测框和真实框重叠度计算结果准确性,增加模型稳定性.实验结果表明:改进YOLOv5s网络的mAP和FPS分别达到 94.26%和 68 f/s,优于Faster-R...

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 51; no. 5; pp. 中插1 - 20
Main Authors 王鹏峰, 李运堂, 黄永勇, 朱文凯, 林婕, 王斌锐
Format Journal Article
LanguageChinese
Published 中国计量大学现代科技学院,浙江 金华 322002%中国计量大学机电工程学院,浙江 杭州 310018 2024
Subjects
TRANS模块
损失函数
loss function
cable-stayed bridge cable
defects detection
斜拉桥拉索
TRANS module
YOLOv5s network
YOLOv5s网络
缺陷检测
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2024.240028

Cover

More Information
Summary:TP391; 针对人工检测斜拉桥拉索表面缺陷效率低、安全性差,而现有目标检测方法速度慢、精度低,受拉索表面污垢干扰容易导致错检、漏检等问题,本文改进YOLOv5s网络以实现拉索表面缺陷快速准确检测.在主干网络增加TRANS模块,获取单幅图像更多特征,提高缺陷检测精度;为减少参数量、提高计算速度,将颈部网络的CSP模块替换为GhostBottleneck模块,同时利用深度可分离卷积代替普通卷积;利用SIOU损失函数减少边界框震荡,提高预测框和真实框重叠度计算结果准确性,增加模型稳定性.实验结果表明:改进YOLOv5s网络的mAP和FPS分别达到 94.26%和 68 f/s,优于Faster-RCNN、YOLOv4和常规YOLOv5等网络,满足斜拉桥拉索表面缺陷检测精度和实时性要求.
ISSN:1003-501X
DOI:10.12086/oee.2024.240028