Page 98 - 无损检测2025年第三期
P. 98
彭云超，等：
基于 YOLOv5 的管道环焊缝缺陷目标检测算法分析
图 2 实际环焊缝缺陷漏磁信号径向分量
络结构示意如图4所示 [28] 。主干网络首先通过CBS
模块对图像进行初步特征提取，然后依次经过C3模
块（具有残差瓶颈结构），进一步提取并优化图像特
征。随后通过SPPF模块进行空间金字塔池化快速
操作，有效扩大感受野并捕获不同尺度空间特征。
接下来，特征进入颈部（Neck）模块，该模块通过
Upsample上采样和Concat拼接操作实现不同尺度
特征融合，并利用CBS和C3模块进一步精炼和优化
图 3 仿真模拟的无缺陷、含缺陷环焊缝漏磁信号径向 融合后的特征表示，以提高不同尺度特征的表达能
分量云图
力。最后，这些融合后的特征送入头部（Head）模块，
2 基于YOLOv5 的管道环焊缝缺陷信号图 分别经过Conv卷积层处理，得到三个尺度（80×80、
像识别算法 40×40、20×20）的输出特征图，分别用于检测小、
2.1 YOLOv5基本原理 中、大尺度的目标，实现对不同大小目标的高效检测
JOCHER提出的一阶段 （One-Stage）目标检测 和定位。
网络YOLOv5是一种基于回归思想的多目标检测算 输入端主要由Mosaic数据增强、自适应锚框计
法，相较于之前的YOLO版本，v5在框架非常小的 算和自适应图片缩放组成 [29] ，如图 5 所示。Mosaic
同时保证了足够的检测精度和速度，在部署到手机 数据增强将4张图片进行拼接，每一张图片都有其
等智能设备上具有巨大优势。YOLOv5主要由输入 对应的框，拼接后就获得一张新的图片，同时也获
端、Backbone、Neck和Prediction 4个部分组成，其网 得了这张图片对应的框，达到数据增强的目的。在
图 4 YOLOv5 网络结构示意
64
2025 年 第 47 卷 第 3 期
无损检测
