基于深度学习的提花面料检测算法

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：李文卓;何梦珂;毋涛

摘要：针对提花面料在人工检测背景下存在的检测耗时和不准确等问题,提出了一种改进的 YOLOv5s 深度学习算法用于提花面料检测。 首先,对 YOLOv5s 主干网络进行改进,引入 EfficientViT 网络作为主干特征提取网络,以提高特征提取的效果;其次,为增强网络对于关键区域的特征关注,引入一种动态且具有查询感知的双层路由注意力机制 BRA,以减少背景对检测目标的影响;最后,对损失函数进行改进,使用 MpdIoU 与 InnerIoU 相结合的损失函数 Mpd-InnerIoU 替换 CIoU,提高边界框的回归精度。 实验结果表明,改进后的 YOLOv5s 算法相较于原算法在提花面料检测任务中取得了显著的性能提升。 与原模型相比,算法精度提高了 6. 5 百分点,召回率提高了 4. 8 百分点,mAP@ 0. 5 提高了 5. 3 百分点,实验结果表明改进后的算法在各项性能指标上都有一定程度的提高,能够有效地进行提花面料检测的相关任务。

关键词：提花面料;深度学习;EfficientViT;双层路由注意力;损失函数