基于改进Yolo v5的花色布匹瑕疵检测方法

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：时造雄,茅正冲

单位：江南大学物联网工程学院

摘要：花色布匹的瑕疵检测是纺织工业中必不可少的环节，实现快速、准确的花色布匹瑕疵检测对于提高生产效率具有重要意义；针对花色布匹瑕疵检测中大部分瑕疵目标较小、种类分布不均、部分瑕疵长宽比较为极端以及瑕疵与背景易混淆的检测难点，提出了一种基于YOLOv5网络改进的算法模型DD-YOLOv5；在骨干网络中采用上下文变换器网络（CoTNet，Contextual Transformer Networks），增强视觉表示能力；在颈部网络中引入卷积注意力模块 (CBAM，Convolutional Block Attention Module)，使网络学会关注重点信息；在检测环节增加了一个高分辨率的检测头，加强对小目标的检测；并且使用α-IoU代替原网络中G-IoU方法；经实验证明，改进后的算法在花色布匹瑕疵数据集平均精度均值上 (mAP，mean Average Precision)达到了较原生算法相比提升了8.1%，检测速度也达到了73.6Hz。

关键词：瑕疵检测;深度学习;CoTNet;注意力机制;交并比

基金资助：国家自然科学基金青年项目(NO.6170185)项目资助