基于改进 YOLOv5s 的烟支外观缺陷检测方法

来源：计算机技术与发展杂志2022年第08期北京时间：

作者：刘鸿瑜;袁国武

摘要：烟支外观缺陷自动检测是卷烟厂产品质量检测中的重要步骤, 它对提升卷烟质量有很大的作用。 针对烟支自动化生产过程中生产速度快、要求检测精度和分类精确率高等现状, 提出了一种基于改进 YOLOv5s 的烟支外观缺陷检测方法。 首先,使用 LabelImg 工具对原数据进行标记,并进行合适的数据增强;其次,在 YOLOv5s 网络的主干模块引入了通道注意力机制,增强模型的表达能力;然后, 优化激活函数, 采用 Swish, 提升网络分类效果;最后, 优化损失函数,采用 DIoU, 以更好地对小目标进行检测。 实验结果表明, 改进的 YOLOv5s 方法在烟支外观数据集上的精确率达到了? 90. 9%,召回率达到了 86. 8%,平均检测精度达到了 94. 0%。 与原始的 YOLOv5s 网络对比,精确率上升了 4. 1%,召回率上升了 4. 5%,平均检测精度上升了 3. 3%。 而在平均检测速度上面,改进的 YOLOv5s 和原始的 YOLOv5s 网络相比只增加了 0. 1 ms/ 支,也能满足目前烟支生产流水线的检测速度需要。 因此,改进后的 YOLOv5s 算法提升了传统烟支自动化生产过程中的检测精度和速度,能投入到烟支外观缺陷检测应用中。

关键词：烟支;外观缺陷检测;YOLOv5s;数据增强;注意力机制