Page 52 - 无损检测2023年第一期

刘 洋, 等:

基于改进 YOLOV5的缺陷识别与定量分析

图6 各模型的训练结果
的检测结果, 缠绕碳纤维布时样件的预应力不一致, 表1 不同算法识别效果对比
导致局部较松, 因此图像中存在较多条纹; 扇形缺陷 算法 准确率 / % 召回率 / % 速度 / FPS

图像为同一样件经微调相控阵参数多次扫查得到的 YOLOV3 83.7 87.3 7

结果, 由于聚焦深度不一致, 各缺陷色度有差别; 方 YOLOV5 87.4 90.5 10

形缺陷图像为同一检测图像经旋转与添加噪声得到 改进 YOLOV5 98.8 98.1 12
YOLOV5+注意力机制 95.5 96.2 8

的扩充数据; 通过对预测框内目标进行形态学分析
YOLOV5+EIoU _ Loss+
90.1 93.3 13
得到了其面积与坐标。 k-means++

图7 改进 YOLOV5对部分缺陷的识别结果

各缺陷面积与位置的平均误差如表2~4所示 置横坐标最大误差为 2.3mm , 纵坐标最大误差为

( 以图像左上角为原点), 分析表中数据, 缺陷中心位 2.8mm , 缺陷面积最大误差为5.54% 。 综合所有数
1
8
2023年 第45卷 第1期
无损检测