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)
1237
编辑：管理员
来源：北方有色网
咨询细节
