一种基于改进YOLOv5的玻璃缺陷检测方法

本发明公开了一种基于改进YOLOv5的玻璃缺陷检测方法，步骤：S1：采用高动态范围工业相机采集玻璃制品生产线的多光谱图像数据，经过数据处理，构建玻璃缺陷检测数据集，再划分数据集；S2：基于YOLOv5模型引入维度解耦特征提取模块DDFM，添加角点分块注意力模块CoPA，并将DDFM和CoPA进行融合替代原C3模块，得到DDC‑YOLO模型；S3：采用数据集对构建的DDC‑YOLO模型进行训练并验证，再采用DDC‑YOLO模型对透明材质缺陷进行实时检测。通过重构YOLOv5的网络架构结合玻璃缺陷检测的特殊性，强化模型对低对比度特征、多尺度缺陷及微小目标的感知能力，同时平衡检测精度与实时性需求。