一种基于GEI-YOLO算法的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GEI‑YOLO算法的钢铁表面缺陷检测方法，属于钢铁表面缺陷检测技术领域，其包括以下步骤：获取钢铁表面缺陷的图像数据，得到钢铁表面缺陷图像的数据集；对数据集中的图像进行标注，并将数据集按照比例划分为训练集、测试集和验证集，得到训练数据；在YOLOv11模型的基础上引入GhostHGNetV2作为YOLOv11的新主干网络，通过引入EMSConv机制、InnerMPDIoU损失函数，得到改进的算法模型；基于训练数据对改进的算法模型进行训练，得到钢铁表面的缺陷检测模型；对钢铁表面的缺陷检测模型进行测试；测试合格后，使用钢铁表面的缺陷检测模型进行钢铁表面缺陷识别。本发明专利技术能够解决现有钢铁表面缺陷检测技术难以同时满足高精度、高速度和低成本的问题。

【技术实现步骤摘要】

本专利技术属于钢铁表面缺陷检测，具体涉及一种基于gei-yolo算法的钢铁表面缺陷检测方法。

技术介绍

1、钢铁表面表面缺陷检测对于保障材料可靠性和结构安全性具有关键意义。在建筑、汽车制造等关键领域，裂纹、腐蚀等缺陷会直接威胁材料耐久性和结构稳定性，甚至可能引发灾难性事故。因此，如何实现高精度、高效率的缺陷检测已成为工业质量控制领域的核心课题。

2、当前主流检测技术面临多重技术瓶颈。传统物理检测方法(如磁粉检测、超声波检测)存在明显局限性：一方面依赖人工操作经验，难以满足现代自动化产线的实时性需求；另一方面在高温、复杂工业环境下检测稳定性下降，对微小缺陷(<0.5mm)和异形缺陷的识别能力不足。尽管基于深度学习的yolo系列模型显著提升了检测效率，但仍存在精度与速度的平衡难题，现有改进方案往往以牺牲实时性换取检测精度。

3、针对上述挑战，学界进行了系列优化探索。如cp-yolov3-densenet模型，通过用两个密集网络模块替代yolov3中的残差网络模块，增强了模型对特征的重复利用和融合能力，提升了检测的平均精度，尽管这导本文档来自技高网...

【技术保护点】

1.一种基于GEI-YOLO算法的钢铁表面缺陷检测方法，其特征在于，包括以下步骤：

2.按照权利要求1所述的一种基于GEI-YOLO算法的钢铁表面缺陷检测方法，其特征在于，所述步驟(6)中，测试结果包括精度、召回率和mAP值。

3.按照权利要求2所述的一种基于GEI-YOLO算法的钢铁表面缺陷检测方法，其特征在于，所述精度计算公式为:

4.按照权利要求2所述的一种基于GEI-YOLO算法的钢铁表面缺陷检测方法，其特征在于，所述召回率计算公式为:

5.按照权利要求2所述的一种基于GEI-YOLO算法的钢铁表面缺陷检测方法，其特征在于，所述mA...

【技术特征摘要】

1.一种基于gei-yolo算法的钢铁表面缺陷检测方法，其特征在于，包括以下步骤：

2.按照权利要求1所述的一种基于gei-yolo算法的钢铁表面缺陷检测方法，其特征在于，所述步驟(6)中，测试结果包括精度、召回率和map值。

3.按照权利要求2所述的一种基于gei-yolo算法的...

【专利技术属性】
技术研发人员：吴雨欣，陈媛，马凡舒，黄欢，方晨成，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：