摘㊀要：针对现代工业生产对工业产品缺陷的高效检测需求，以钢材缺陷为切入点，提出了一种基于改进ＹＯＬＯｖ７－Ｔｉｎｙ的缺陷检测方法㊂首先，将ＤＣＮｖ３网络与ＹＯＬＯｖ７－Ｔｉｎｙ的主干网络层进行融合，提高模型对不同尺度㊁形状缺陷的灵敏度；其次，引入了ＣＡＢＭ注意力机制，加强网络对特征图中...
改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测 针对钢材表面缺陷形态多样,结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法.该方法一是设计VoVGA-FPN网络,... 梁礼明,龙鹏威,冯耀,... - 《光学精密工程》 被引量: 0发表: 2024年 改进YOLOv7-tiny的...
基于深度学习的钢材表面缺陷检测系统(网页版+YOLOv8_v7_v6_v5代码+训练数据集)2024-04-05 收起 摘要:本文深入研究了基于YOLOv8/v7/v6/v5的个人防具检测系统,核心采用YOLOv8并整合了YOLOv7、YOLOv6、YOLOv5算法,进行性能指标对比;详述了国内外研究现状、数据集处理、算法原理、模型构建与训练代码,及基于Streamlit...
传统的PCB缺陷检测多依赖于人工视觉检查和基于规则的自动化方法,这些方法不仅效率低、成本高,而且在检测精度和可靠性上难以满足日益提高的工业标准。 近年来,深度学习技术的快速发展为PCB缺陷检测提供了新的解决方案。尤其是YOLO(You Only Look Once)系列算法,以其快速、准确的特点,在实时目标检测领域展现了巨大的潜力...
此外,YOLOv6的研究进一步优化了模型结构和训练策略,通过精细调整模型参数和增加自适应锚点,使得检测速度和准确度都得到了显著提升[2]。YOLOv7则专注于提高模型的泛化能力,通过引入更复杂的数据增强技术和新的正则化方法,使模型更加鲁棒,尤其是在光照变化和不同类型路面上的表现更为出色[3]。最新版本的YOLOv8进一步...
本发明公开了一种基于改进YOLOv7tiny算法的焊接件表面缺陷检测方法,属于计算机视觉目标检测领域,可以应用于焊接件表面缺陷检测,包括以下步骤,步骤一:搜集焊接件表面缺陷图像并进行数据增强等预处理操作后制作成数据集;步骤二:改进主干特征提取网络,设计CBAMDiverseBranchBlock重参数模块来代替主干网络原有的MCB结构从而提升模...
针对传统检测方法对于工业金属表面缺陷检测存在效率低,难以适应工业生产的缺点,以及目前YOLOv7-tiny算法中容易造成漏检等问题,该文提出了一种改进YOLOv7-tiny的工业金属表面缺陷检测方法.通过在主干网络中引入注意力机制相关的CBAM模块,并且使用SiLU激活函数对原有的LeakyReLU激活函数进行替换,即替换CBL模块为CBS模块.在多...
基于深度学习的钢材表面缺陷检测系统(网页版+YOLOv8_v7_v6_v5代码+训练数据集)2024-04-05 收起 摘要:在本篇博文中,我们深入探讨了基于YOLOv8/v7/v6/v5的布匹缺陷检测系统。核心技术上,本系统采用YOLOv8作为主导算法,并将YOLOv7、YOLOv6、YOLOv5算法进行了整合和性能指标对比分析。我们详细介绍了相关技术在国内...
在这一指标上,YOLOv5nu同样表现最佳,达到0.86,而YOLOv6n和YOLOv8n并列以0.85的得分位居次席,YOLOv7-tiny则以0.84的得分略显不足。 从实验结果来看,YOLOv5nu在两个指标上都显示了其出色的性能,这可能归因于其在特征提取和模型结构上的优化,特别是在处理多尺寸的目标检测上。YOLOv5nu的架构使其在精确度上略胜...
基于深度学习的钢材表面缺陷检测系统(网页版+YOLOv8_v7_v6_v5代码+训练数据集)2024-04-05 收起 摘要:本文深入研究了基于YOLOv8/v7/v6/v5的PCB板缺陷检测系统,核心采用YOLOv8并整合了YOLOv7、YOLOv6、YOLOv5算法,进行性能指标对比;详述了国内外研究现状、数据集处理、算法原理、模型构建与训练代码,及基于...