基于机器学习的金属软管缺陷检测系统

来源：电子测量技术杂志2024年第10期北京时间：

作者：倪洪启，李鑫宇，戴文博，李宝立

单位：1.沈阳化工大学机械与动力工程学院 沈阳 110142; 2.秦皇岛北方管业有限公司 秦皇岛 066004

摘要：为了实现工业上对金属软管缺陷部分的自动检测，提出一种基于深度学习的缺陷检测方法，首先利用相机采集金属软管缺陷部分的图像并将采集图像中的缺陷特征部分进行分类与标定，金属软管外表面缺陷可分为断丝、散丝、叠丝3种并制作出对应的自制数据集；其次对YOLOv5s网络进行改进，通过在YOLOv5s中的主干网络中添加SimAM注意力机制；然后利用EIoU损失函数替换初始网络所采用的IoU损失函数；最后对YOLOv5s中的金字塔池化层进行改进，采用SimSPPF模块替换SPPF模块。利用改进后的算法对金属软管缺陷数据集进行训练，改进后的算法相较于初始YOLOv5s网络的平均精度mAP提升了1.5%，特征复杂且小目标的漏检误检情况有了明显改善。

关键词：缺陷检测;YOLOv5s;注意力机制;损失函数

基金资助：辽宁省自然科学基金面上项目（JKMZ20220774）资助