一种基于改进YOLOv5的缺陷检测方法、系统、设备及介质技术方案

本发明专利技术涉及缺陷检测技术领域，具体地说，涉及一种基于改进YOLOv5的缺陷检测方法、系统、设备及介质；首先通过高清摄像头采集工业零件在生产过程中的图像数据，针对零件表面缺陷特点进行图像预处理，提取关键帧并标注缺陷区域，构建缺陷检测数据集；其次配置训练环境；然后以YOLOv5网络作为基础网络，构建CED‑YOLO网络模型，将YOLOv5网络的主干网络中的C3模块替换为CEMS模块作为特征提取模块，将颈部网络连接检测层部分的C3模块替换为差分注意力DA，对提取到的特征进行增强；最后应用数据增强后的数据集训练并验证CED‑YOLO网络模型，有效减少了计算量，提高了检测效率，大幅度提升了模型的检测性能。

【技术实现步骤摘要】

本专利技术涉及缺陷检测，具体地说，涉及一种基于改进yolov5的缺陷检测方法、系统、设备及介质。

技术介绍

1、工业零件作为机械设备的核心组成部分，其质量直接影响设备的运行稳定性与可靠性。零件表面的裂纹、变形、尺寸偏差等缺陷可能导致设备故障甚至安全事故。传统检测方法依赖人工目视检查或接触式测量工具，虽能识别部分明显缺陷，但存在检测效率低、标准不统一、对微缺陷灵敏度不足等问题，难以满足现代化智能制造对高精度质量控制的需求。

2、近年来，基于机器视觉的自动化检测技术为工业零件缺陷检测提供了新途径。通过高分辨率工业相机捕捉零件表面图像，结合图像处理算法实现非接触式检测，显著提升了检测速度和一致性。但现有视觉检测系统在工业现场应用中仍面临关键挑战：

3、工业零件种类繁多，缺陷形态差异显著，裂纹、毛刺、锈蚀等缺陷在不同材质（如金属/塑料）表面呈现的纹理特征复杂多变，传统算法特征工程难以建立普适性检测模型。

4、精密零件微米级缺陷检测要求亚像素级识别精度，而金属件反光、铸造件表面粗糙度等干扰因素易导致图像局部过曝或特征丢失，严重影响本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5的缺陷检测方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于改进YOLOv5的缺陷检测方法，其特征在于，所述步骤S2具体包括以下步骤：

3.根据权利要求2所述的一种基于改进YOLOv5的缺陷检测方法，其特征在于，所述步骤S21具体包括以下步骤：

4.根据权利要求3所述的一种基于改进YOLOv5的缺陷检测方法，其特征在于，所述CBS模块包括依次连接的1*1卷积模块、批量归一化模块、SiLU激活函数模块。

5.根据权利要求3所述的一种基于改进YOLOv5的缺陷检测方法，其特征在于，所述步骤S22具...

【技术特征摘要】

1.一种基于改进yolov5的缺陷检测方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于改进yolov5的缺陷检测方法，其特征在于，所述步骤s2具体包括以下步骤：

3.根据权利要求2所述的一种基于改进yolov5的缺陷检测方法，其特征在于，所述步骤s21具体包括以下步骤：

4.根据权利要求3所述的一种基于改进yolov5的缺陷检测方法，其特征在于，所述cbs模块包括依次连接的1*1卷积模块、批量归一化模块、silu激活函数模块。

5.根据权利要求3所述的一种基于改进yolov5的缺陷检测方法，其特征在于，所述步骤s22具体包括以下步骤：

6.根据权利要求5所述的一种基于改进yolov5的缺陷检测方法，其特征在于，在da模块中增加损失函数，根据输入数据中的标签信息得到当前批次输入的目标位置信息，并根据生成对应标准前景、背景分...

【专利技术属性】
技术研发人员：张晓武，陈斌，李伟，孙兴洋，
申请(专利权)人：浙江霖研精密科技有限公司，
类型：发明
国别省市：