本發明公開一種基于改進YOLOv5網絡的帶鋼表面缺陷檢測方法,該檢測方法以YOLOv5網絡模型為基礎,加入了自行設計的通道空間注意力模塊,提高檢測精度,解決了在復雜場景及背景下的特征提取難題。本發明檢測方法充分發揮了深度學習方法提取特征的優勢,能夠不依賴人工的特征工程,從大量數據集中先學習簡單的淺層特征,再逐漸學習到更為復雜抽象的深層特征,性能更好,缺陷種類識別精度更高,且鋰電池的缺陷的精確率、召回率高,識別速度快。
聲明:
“基于改進YOLOv5網絡的帶鋼表面缺陷檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)