申请/专利权人:南京信息工程大学
申请日:2024-01-24
公开(公告)日:2024-04-16
公开(公告)号:CN117893517A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/82;G06V10/32;G06V10/25;G06V10/44;G06V10/774;G06V10/776;G06N3/0464;G06N3/045;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本申请公开了基于改进YOLOv5的布匹缺陷检测方法,属于图像处理和模式识别技术领域,包括以下步骤;获取待检测布匹图像;将所述待检测布匹图像输入至训练好的改进YOLOv5模型中,获得缺陷检测结果;其中,改进YOLOv5模型包括依此连接的改进YOLOv5神经网络主干部分、YOLOv5神经网络颈部和改进YOLOv5神经网络输出部分;所述改进YOLOv5神经网络主干部分通过在YOLOv5神经网络的主干部分中的C3模块添加注意力机制NAM模块和在YOLOv5神经网络的主干模块添加SPD‑Conv模块获取;所述改进YOLOv5神经网络输出部分通过在YOLOv5神经网络的输出部分之后增加Alpha‑IOU模块获取;通过在YOLOv5主干网络的C3模块增加NAM注意力机制提高了模型对小目标缺陷的提取能力,同时引入新的CNN模块SPD‑Conv,来解决布匹瑕疵较小时,性能迅速下降的问题。
主权项:1.一种基于改进YOLOv5的布匹缺陷检测方法,其特征在于,包括以下步骤;获取待检测布匹图像;将所述待检测布匹图像输入至训练好的改进YOLOv5模型中,获得缺陷检测结果;其中,改进YOLOv5模型包括依此连接的改进YOLOv5神经网络主干部分、YOLOv5神经网络颈部和改进YOLOv5神经网络输出部分;所述改进YOLOv5神经网络主干部分通过在YOLOv5神经网络的主干部分中的C3模块添加注意力机制NAM模块和在YOLOv5神经网络的主干模块添加SPD-Conv模块获取;所述改进YOLOv5神经网络输出部分通过在YOLOv5神经网络的输出部分之后增加Alpha-IOU模块获取。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于改进YOLOv5的布匹缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。