人工接裂纹检测网络,YOLOv6-NW,基于目标识别技术
Yiming Wang1, Lunhua Shang2, Bin Li1
1Luoyang Institute of Science and Technology, Luoyang 471023, China.
Materials (Basel, Switzerland)
|January 8, 2025
概括
这项研究引入了一种新的方法,用于制备人工接裂,以改善缺陷检测的数据集. 一个轻量级的YOLOv6-NW模型在降低参数的情况下实现了高精度,提高了接裂纹识别.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 稀缺的数据集和低准确性阻碍了有效的接裂检测.
- 工业应用需要高效和资源意识的缺陷识别模型.
研究的目的:
- 通过增强数据集和开发轻量级,准确的检测模型来解决接裂纹检测挑战.
- 为了改善接裂纹缺陷检测模型的样本大小和丰富性.
- 设计一个高效的裂检测网络,适合工业限制.
主要方法:
- 开发了一种使用不相似的金属颗粒兴奋剂的人工裂制备方法.
- 应用数据增强技术,包括随机裁剪,缩放和马赛克.
- 设计并优化了YOLOv6-N模型的宽度和深度压缩,创建了YOLOv6-NW.
主要成果:
- 与YOLOv5.5相比,YOLOv6-NW表现出更高的性能和更小的模型尺寸.
- YOLOv6-NW实现了与YOLOv6-N相似的准确性和回忆,其参数仅为16%.
- 在低分辨率和低照明条件下保持高裂纹检测精度 (高于0.9).
结论:
- 拟议的人工接裂准备和数据增强有效支持缺陷检测模型.
- YOLOv6-NW提供了一种高效准确的解决方案,用于接裂检测,平衡性能和资源使用.
- 该模型在具有不同图像质量的具有挑战性的工业环境中显示出强度.
