一种基于改进yolov5的深层多尺度目标检测方法

本发明涉及图像处理和目标检测技术领域，公开了一种基于改进yolov5的深层多尺度目标检测方法，其包括步骤：采集不同尺度的缺陷样本，并对缺陷进行标注，得到样本数据；对所述样本数据进行随机划分，得到训练集、验证集和测试集；使用改进的yolov5算法进行训练，得到初版检测模型，所述改进的yolov5算法的backbone网络增加多个不同深度的卷积层，且在不同层之间建立连接，同层的特征图之间同时包含直接连接和跳跃连接；将所述初版检测模型带入产线测试运行，持续收集模型错判的价值样本，不断加入所述价值样本优化迭代模型，得到满足检测指标的终版模型，该方式能够增强模型对不同尺度目标的特征提取能力，提高小尺度缺陷目标的检测精度，解决误检和漏检的问题。