基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测
文档名：基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测
摘要：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68f/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.
Abstract：AnimprovedYOLOv5snetworkfordefectsdetectionforthecablesurfaceofcable-stayedbridgefastandaccuratelyisproposed.Thisovercomestheproblemsoflowefficiencyandpoorsafetyofmanualinspection,slowandinaccuracyofexistingtargetdetectionmethodsbecauseoftheinterferenceofdirtleadingtowrongandmisseddetections.TheTRANSmoduleisaddedtothebackbonenetworkofconventionalYOLOv5stoobtainmorefeaturesofasingleimageandimprovedefectdetectionaccuracy.Moreover,theCSPmoduleofthenecknetworkisreplacedbytheGhostBottleneckmoduleandordinaryconvolutionisreplacedbydepth-separableconvolutiontoreduceparametersandimprovethecomputationalspeedofthenetwork.Furthermore,theSIOUlossfunctionisusedforsuppressingtheoscillationoftheboundingboxandimprovingthecalculationaccuracyofrepeatabilitybetweenthepredictionandtherealbox,whichcanincreasethemodelstability.TheexperimentsshowthatmAPandFPSofimprovedYOLOv5snetworkare94.26%and68framespersecond,respectively.TheperformanceisbetterthanthatofFaster-RCNN,YOLOv4,andconventionalYOLOv5,anditcanfindthesurfacedefectforthecableofthecable-stayedbridgeaccuratelyandtimely.
作者：王鹏峰 李运堂 黄永勇 朱文凯 林婕 王斌锐 Author：WangPengfeng LiYuntang HuangYongyong ZhuWenkai LinJie WangBinrui
作者单位：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
刊名：光电工程 ISTICPKU
Journal：Opto-ElectronicEngineering
年，卷(期)：2024, 51(5)
分类号：TP391
关键词：斜拉桥拉索缺陷检测YOLOv5s网络TRANS模块损失函数
Keywords：cable-stayedbridgecabledefectsdetectionYOLOv5snetworkTRANSmodulelossfunction
机标分类号：TP391.41TN957.51TB774
在线出版日期：2024年7月17日
基金项目：基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测[
期刊论文]光电工程--2024, 51(5)王鹏峰李运堂黄永勇朱文凯林婕王斌锐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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测Defects detection for cable surface of cable-stayed bridge based on improved YOLOv5s network
基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测.pdf
页:
[1]