摘要
本发明针对目前X射线焊缝缺陷检测存在检测速度慢、并且存在漏检、误检、检测精度低等问题,提出了一种基于改进YOLOv8的x射线焊缝缺陷检测方法。首先改进EMA注意力,在EMA中加入多尺度池化模块,提高模型对不同尺度焊缝缺陷的检测能力,并将改进后的EMA添加到模型的主干网络;其次,提出一种SimSPPF_Avg模块,增强边缘信息的提取,提高对缺陷定位的精度;然后,引入DualConv来代替传统卷积,将颈部的C2f模块改进为轻量化的C2f_Dual,减小模型的参数量和计算量。最后,将CIoU边界框损失函数替换为WIoU边界框损失函数,提高模型对低质量焊缝数据的泛化能力。最终改进后的模型与原YOLOv8模型相比检测精度有了显著的提升,并且参数量和总浮点运算量都有所下降,在提升精度的同时降低了模型的参数量,能够满足实际工业中x射线焊缝缺陷检测的实时性要求。
技术关键词
焊缝缺陷检测方法
焊缝缺陷图像
多尺度池化
训练深度学习模型
数据
缺陷位置信息
射线
对比度
注意力
尺寸缺陷
模块
多尺度特征
精确地控制
标注工具
训练集
精度
系统为您推荐了相关专利信息
数字高程模型数据
子流域划分方法
栅格
分布式模型
邻域
状态检测方法
表型特征
叶片
状态检测装置
随机森林模型
辅助决策方法
大数据资源库
辅助系统
大数据风控技术
数据支持系统