改进YOLOv5n的管道DR缺陷图像检测方法

来源：计算机工程与应用杂志2024年第12期北京时间：

作者：时亚南, 陈志远, 刘兆英, 陈迎春, 张婷, 范效礼, 苗锐, 叶伟

单位：1.新疆维吾尔自治区特种设备检验研究院，乌鲁木齐 830011；2.新疆特种设备检测技术研究重点实验室，乌鲁木齐 830011；3.北京工业大学 信息学部，北京 100124；4.北京工业大学 城市建设学部，北京 100124

摘要：近年来，数字射线成像技术(digital radiography, DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度，提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献，针对目标检测网络中分类和回归两个任务存在冲突的问题，设计了任务独立解耦检测头，通过分别为两类任务构建独立的特征图实现解耦。为了缓解解耦检测头模块带来的参数量增加问题，引入了轻量化的深度可分离卷积替代标准卷积，在保证精度的同时，减少模型参数量。实验结果表明，在管道缺陷数据集上，该方法的mAP@0.5比YOLOv5n提高0.9个百分点。与YOLOv4、Faster-RCNN和SSD等其他几种目标检测模型的对比实验表明，该方法在mAP@0.5、参数量和计算量上都达到最优，有效提高了管道DR缺陷图像检测的性能。

关键词：缺陷图像检测,目标检测,解耦检测头,轻量化模型