改良版Yolov5在花色布匹瑕疵检测中的应用方法

简介：
本研究探讨了改进型YOLOv5算法在花色布匹瑕疵检测中的应用效果，通过优化模型结构与参数，显著提升了瑕疵识别精度和效率。 花色布匹的瑕疵检测是纺织工业中的关键环节，对于提高生产效率具有重要意义。针对这一过程中常见的小尺寸瑕疵、不均匀分布以及部分长宽比极端且与背景难以区分的问题，我们提出了一种基于YOLOv5网络改进的算法模型DD-YOLOv5。该模型在骨干网络中采用了上下文变换器网络(CoTNet)，增强了视觉表示能力；颈部网络引入了卷积注意力模块(CBAM)，帮助网络识别关键信息；此外，在检测环节增加了高分辨率检测头，以提高对小目标的识别精度，并使用α-IoU替代原有的G-IoU方法。实验结果表明，改进后的算法在花色布匹瑕疵数据集上的平均精度均值(mAP)相较于原生算法提升了8.1%，同时将检测速度提升至73.6 Hz。