本发明公开一种基于改进YOLOv5网络的带钢表面缺陷检测方法,该检测方法以YOLOv5网络模型为基础,加入了自行设计的通道空间注意力模块,提高检测精度,解决了在复杂场景及背景下的特征提取难题。本发明检测方法充分发挥了深度学习方法提取特征的优势,能够不依赖人工的特征工程,从大量数据集中先学习简单的浅层特征,再逐渐学习到更为复杂抽象的深层特征,性能更好,缺陷种类识别精度更高,且
锂电池的缺陷的精确率、召回率高,识别速度快。
声明:
“基于改进YOLOv5网络的带钢表面缺陷检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)