基于轻量化和注意力机制改进YOLOv5网络的模具缺陷识别

打开文本图片集

摘 要：为提高模具缺陷识别的精度和速度，提出一种基于改进YOLOv5网络的识别方法。该方法采用PPLCNet轻量化网络作为主干网络，FCIoU函数作为损失函数，并引入CBAM注意力机制，对YOLOv5网络进行改进。然后采用改进YOLOv5网络对不同类型的模具缺陷进行识别。结果表明，该方法具有较高的模具缺陷识别精度和速度，对凹槽和污点模具缺陷识别的平均查全率、查准率、平均精度均值、F1值分别达到95.34%， 95.03%， 93.11%， 95.68%，平均检测速度达到35帧/s，满足模具缺陷识别的精度和实时识别需求。（剩余9857字）