融合选择核注意力的无纺布缺陷检测

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：陆芸婷, 康绍鹏, 吴双, 何川

单位：1.江苏理工学院 机械工程学院，江苏 常州 213001；2.江苏长江智能制造研究院有限责任公司，江苏 常州 213001

摘要：针对无纺布缺陷检测算法实时性差，检测准确率低的问题，设计了一种基于改进YOLOv5的无纺布缺陷检测算法N-YOLO。该算法结合产线实际情况和产品特性运用视觉检测技术，在YOLOv5算法的基础上引入FasterNet网络作为主干特征提取网络进行轻量化改进，利用部分卷积进行特征提取减少模型计算量。同时在C3模块中增加SK注意力机制提高模型检测精度，并采用WIoUv1损失函数计算边界框回归损失，提高边界框定位精度。实验结果表明N-YOLO算法与YOLOv5s相比浮点计算量减少85.4%，参数量由7?020?913减少到3?368?105，减少了52%，模型大小为6.63?MB，平均检测精度能达到99.2%，召回率达到99.2%，与Faster R-CNN和SSD等目标检测算法相比具有明显优势，无需昂贵的硬件设备即可在高速生产情况下对无纺布缺陷进行实时检测。

关键词：YOLOv5,缺陷检测,轻量化,注意力机制,损失函数