基于DCGAN和改进YOLOv5s的钢丝帘布缺陷检测方法

来源：电子测量技术杂志2024年第3期北京时间：

作者：黄鹏，蔡露，陈彬，周益航，易冬旺

单位：桂林理工大学机械与控制工程学院 桂林 541000

摘要：为解决钢丝帘布表面缺陷检测准确率低且泛化能力不强的问题，提出了一种基于DCGAN和改进YOLOv5s的缺陷检测方法。首先，通过调整DCGAN网络参数并优化超参数，使生成器能够生成具有丰富特征和清晰纹理的钢丝帘布缺陷图像，从而扩充数据集；其次，采用K-means++算法对钢丝帘布缺陷数据重新聚类锚框，以获得更优的锚框参数，实现锚框与实际缺陷的精确匹配；然后，在YOLOv5s主干网络中的C3模块添加坐标注意力机制，以增强模型的特征提取能力和精确定位能力；最后，引入MPDIoU损失函数替换YOLOv5s原损失函数，进一步提高检测精度。实验结果表明，在实测钢丝帘布缺陷数据集上，采用DCGAN数据增强和改进后的YOLOv5s检测模型，缺陷检测平均精度提高了6.6%，达到了89.4%，并且检测准确率和召回率也有所提高。与其他主流检测模型相比，该模型不仅在检测速度上提高了约30%，还保持较高的检测精度。在公开的NEU-DET数据集上，该模型的mAP值达到了82.6%，较原始YOLOv5s模型提高了3.8%。

关键词：钢丝帘布缺陷检测;生成对抗网络;K-means++;注意力机制;MPDIoU损失函数

基金资助：国家自然科学基金(72001054)、广西科技计划项目(桂科AB22035041)、桂林市科学研究与技术开发计划项目(20210217-14)、桂林理工大学科研启动基金(GUTQDJJ20160140)项目资助