基于YOLOV5的藥品表面缺陷實時檢測方法
所屬分類：技術論文
上傳者：zhoubin333
文檔大小：719 K
標簽： 缺陷檢測 深度學習 目標檢測
所需積分：0分積分不夠怎么辦？
文檔介紹：藥品在實際生產過程中總會伴隨著異物、缺粒、藥體破損等表面缺陷，這些缺陷輕則影響產品使用效果,重則會在使用過程中產生巨大事故造成生命財產損失。針對深度學習模型在實際工業(yè)產品表面缺陷檢測中缺陷樣本少以及細小缺陷檢測精度低的應用問題，將目前主流的目標檢測算法之一——YOLOV5應用于藥品檢測場景，提出了一種精度高、所需標注樣本少、檢測速度快的one-stage實時缺陷檢測系統(tǒng)——RDD_YOLOV5(Real-time Defects Detection_YOLOV5)。利用原始圖像初級特征進行數據增強，結合注意力機制與多尺度特征融合，增加骨干網絡提取跨通道語義信息能力，充分融合高層語義信息與底層細粒度信息以提升模型在小缺陷檢測方面的識別效果，在有限的樣本條件下達到較高的準確率。該方法檢測效果達到了96.6%mAP，32 FPS。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。