基于BN-YOLOv5的轻量级齿轮表面缺陷检测方法
赵小惠
张智杰
胡胜
郇凯旋
刘磊
蒲军平
西安工程大学 机电工程学院,陕西 西安 710048
摘要：齿轮表面的缺陷检测是齿轮生产制造过程中相当重要的工序.为了提高齿轮表面缺陷检测的精度,提出了一种基于改进YOLOv5的算法检测模型BN-YOLOv5.首先,将加权双向特征金字塔网络结构嵌入到颈部网络结构中,强化了网络对不同特征的提取能力;其次,引入轻量级的基于标准化的注意力模块(Normalization-based Attention Module,NAM),将其与加权双向特征金字塔网络结构相结合,以更加有效地融合高层与低层的特征信息;最后,采用深度可分离卷积模块替换网络结构中所有的卷积层,使网络模型更加轻量化.实验结果显示,改进后的算法模型平均精度均值可达到98.5%,检测速度达到66 FPS/s,模型大小为9.69 MB,有效降低了模型的占用内存,可满足在小型移动设备上实时检测齿轮表面缺陷的任务要求.
关键词：齿轮表面缺陷检测YOLOv5轻量级NAM注意力机制
资助基金：国家自然科学基金(72001166)陕西省科技计划项目(2022JQ-721)陕西省社科联项目(20ZD195-59)
论文发表日期：2024-05-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 145-151 )
英文信息