基于轻量化和注意力机制改进YOLOv5网络的模具缺陷识别

为提高模具缺陷识别的精度和速度,提出一种基于改进YOLOv5网络的识别方法。该方法采用PP-LCNet轻量化网络作为主干网络,F-CIoU函数作为损失函数,并引入CBAM注意力机制,对YOLOv5网络进行改进。然后采用改进YOLOv5网络对不同类型的模具缺陷进行识别。结果表明,该方法具有较高的模具缺陷识别精度和速度,对凹槽和污点模具缺陷识别的平均查全率、查准率、平均精度均值、F1值分别达到95.34%,95.03%,93.11%,95.68%,平均检测速度达到35帧/s,满足模具缺陷识别的精度和实时识别需求。

资料为PDF文档格式.

本文档关键词:模具,量化,注意力,识别,缺陷