一种基于改进多尺度Yolo-v5的实时钢铁表面缺陷检测方法技术

本发明专利技术公开了一种基于改进多尺度Yolo‑v5的实时钢铁表面缺陷检测方法，包括：构建多尺度Yolo‑v5网络模型，其包括瓶颈网络，头部网络和检测器；其中，瓶颈网络包括：多个CBS模块、多个MS模块和SPPF模块；头部网络包括：多个CBS模块、多个MS模块和多个双三次插值模块；MS模块包括多个多尺度块MB和CBS模块；多尺度块MB中包括依次连接的第一多尺度卷积层、第二多尺度卷积层、空间注意力模块和CSB模块；对多尺度Yolo‑v5网络模型进行训练，得到钢铁表面缺陷检测网络；通过摄像设备获取钢板表面图片，作为钢铁表面缺陷检测网络的输入；通过瓶颈网络和头部网络依次对图片进行特征提取；头部网络输出的特征信息输入检测器，检测器输出钢板缺陷的类型和定位信息。

【技术实现步骤摘要】

本专利技术属于钢材表面缺陷检测，特别涉及一种基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法。

技术介绍

1、钢材表面缺陷检测是材料科学的重要研究课题之一。钢材作为社会中最重要的基础材料之一，在飞机、汽车、高铁等众多工业产品中发挥着最基本、最重要的作用。在各种钢材产品中，扁钢是最基本的工业品，对工业生产有最重要的贡献。因此扁钢的质量对日常生活至关重要。

2、然而，扁钢表面普遍存在缺陷，使得生产高质量钢产品变得困难。钢材表面有六种典型缺陷：银纹、掺杂物、斑块、麻面、氧化和划痕。这些缺陷导致了扁钢质量较差，给生产高质量工业品带来挑战。

3、在传统工厂生产过程中，钢材表面缺陷检测依赖于人工监督，既费时又费钱。一方面，额外的监管者比自动检测需要更多的经济投入。另一方面，依靠人工检测无法保证全天候的质量监管。随着工业视觉领域的发展，计算机成为检测表面缺陷的有力工具。以前的工作依靠手工制作的特征提取器和基于机器学习的分类器来定位缺陷。人工神经网络(ann)、支持向量机(svm)、k近邻(knn)等机器学习技术已广泛应用于不同的钢材表面缺陷本文档来自技高网...

【技术保护点】

1.一种基于改进多尺度Yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进多尺度Yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述瓶颈网络由5个CBS模块、15个MS模块和1个SPPF组成。

3.根据权利要求2所述的基于改进多尺度Yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述SPPF模块包括2个CBS模块和3个MaxPool模块。

4.根据权利要求3所述的基于改进多尺度Yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述检测器包括3个尺度。

5.根据权利要求3或4所述的基于...

【技术特征摘要】

1.一种基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述瓶颈网络由5个cbs模块、15个ms模块和1个sppf组成。

3.根据权利要求2所述的基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述sppf模块包括2个cbs模块和3个maxpool模块。

4.根据权利要求3所述的基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法，其特征在于，所述检测器包括3个尺度。

5.根据权利要求3或4所述的基于改进多尺度yolo-v5的实时钢铁表面缺陷检测方法，其特征在...

【专利技术属性】
技术研发人员：刘新博，王岭，马俊涛，苏文志，李晗，
申请(专利权)人：富临仓储物流营口有限公司，
类型：发明
国别省市：