Page 48 - 无损检测2023年第一期
P. 48
试验研究
DOI : 10.11973 / ws j c202301003
基于改进 YOLOV5 的缺陷识别与定量分析
刘 洋 1 , 2 , 李全勇 1 , 2 , 顾 健 1 , 2 , 杨 帆 1 , 2 , 王文博 1 , 2
( 1. 长春理工大学 光电工程学院 光电测控与光信息传输技术教育部重点实验室, 长春 130022 ;
2. 长春理工大学 光电工程学院 光电工程国家级教学示范中心, 长春 130022 )
摘 要: 采用 YOLOV5算法对碳纤维复合材料预置夹杂缺陷的识别方法展开研究。为了在
提高检测精度的同时保证检测效率, 通过添加通道注意力机制、 空间注意力机制、 使用k-means++
重新聚类先验框和优化损失函数等措施改进原算法。利用改进后的网络训练缺陷数据集, 每秒处
理的图片数量逾12幅, 平均精度达到98.8% , 召回率为98.1% 。与其他算法相比, 该算法检测精度
和速度都有所提高, 可满足实时性和准确性要求。
关键词: 无损检测; YOLOV5 ; 通道注意力机制; 空间注意力机制; 夹杂缺陷
中图分类号: TG115.28 ; TB332 文献标志码: A 文章编号: 1000-6656 ( 2023 ) 01-0014-06
Defectidentificationand q uantitativeanal y sismethodbasedonim p rovedYOLOV5
1 , 2
LIUYan g 1 , 2 , LIQ uan y on g 1 , 2 , GUJian , YANGFan , WANG Wenbo 1 , 2
1 , 2
( 1.Ke yLaborator y ofPhotoelectricMeasurementandO p ticalInformationTransmissionTechnolo gy ofMinistr y ofEducation ,
Colle g eofO p toelectronicEn g ineerin g , Chan g chunUniversit y ofScienceandTechnolo gy , Chan g chun130022 , China ;
2.NationalDemonstrationCenterforEx p erimentalO p to-ElectronicEn g ineerin gEducation , Colle g eof
O p toelectronicEn g ineerin g , Chan g chunUniversit y ofScienceandTechnolo gy , Chan g chun130022 , China )
Abstract : TheYOLO V5al g orithm wasusedtostud ytheidentification methodofcarbonfibercom p osite
material p resetdefects.Inordertoim p rovethedetectionaccurac ywhileensurin gthedetectionefficienc y , the
ori g inalal g orithm wasim p rovedb yaddin gchannelattention mechanismands p atialattention module , usin gk-
means++tore-clusterthe p riorboxando p timizin g thelossfunction.Usin g theim p rovednetworktrainin g defect
dataset , thenumberofima g es p rocessed p ersecondreachedmorethan12frames , theavera g eaccurac y reached98.
8% , andtherecallratewas98.1%.Com p aredwithotheral g orithms , thedetectionaccurac yands p eedofthis
al g orithmhavebeenim p rovedtoacertainextentwhichcanmeetthereal-timeandaccurac y re q uirements.
Ke ywords : nondestructivedetect ; YOLO V5 ; channelattention mechanism ; s p atialattention mechanism ;
inclusiondefect
随着生产力与工艺水平的提高, 工业领域对材 工工艺复杂, 生产过程中会不可避免地出现内部缺
料性能的要求也不断提高, 在这种趋势下, 碳纤维复 陷 [ 3-4 ] , 不仅会缩短材料寿命和降低性能, 还有可能
合材料凭借其远超其他材料的强度与比模量脱颖而 在使用中造成严重事故, 因此准确识别缺陷的位置
出 [ 1-2 ] , 在众多行业发挥了举足轻重的作用, 但其加 与面积在材料性能检测中十分重要。目前超声检测
在碳纤维材料缺陷无损检测领域已经有比较成熟的
收稿日期: 2022-05-24 应用 [ 5-8 ] , 但尚未提出一种比较成熟的缺陷识别方
基金项目: 吉林省教育厅科学技术研究项目( JJKH20210823KJ );
法。针对实际应用中缺陷识别存在的效率较低、 精
吉林 省 科 技 资 源 开 放 共 享 服 务 平 台 与 科 研 条 件 保 障 项 目
度不高等问题, BOHLOULI 等 [ 9 ] 使用超声相控阵
( 20191004022TC )
系统对聚乙烯管道电熔接头进行检测, 利用基于小
作者简介: 刘 洋( 1997- ), 男, 硕士研究生, 主要研究方向为超
声三维可视化 波变换的人工神经网络检测成像图进行缺陷识别,
提升了缺陷识别的精度, 但网络模型的计算复杂度
通信作者: 李全勇, li q uan y on g @cust.edu.cn
4
1
2023年 第45卷 第1期
无损检测
