机床与液压

作者：宁少慧，段攀龙，杜越，张少鹏，邓功也

单位：太原科技大学机械工程学院；太原科技大学机械工程学院；太原科技大学机械工程学院；太原科技大学机械工程学院；太原科技大学机械工程学院

关键词：缺陷识别;YOLOv5s网络;B-ConvNeXt网络;二次深度过参数化卷积; VariFocal Loss函数

基金：山西省应用基础研究计划（20210302123212）

为了解决机械设备轴承表面缺陷检测中多目标情形下的小目标漏检率高、检测速度慢、模型精度和特征提取泛化能力不足的问题，提出一种滚动轴承表面缺陷识别网络模型YOLOv5s-CDOD。在卷积操作前，使用B-ConvNeXt网络平衡模型的精度和复杂度，保留轴承表面小目标缺陷的特征，同时提升模型的泛化能力；通过将YOLOv5s网络中的传统卷积模块替换为具有二次深度过参数化卷积的卷积（DOD-Conv）模块，在不增加模型参数的情况下，提高模型的识别精度和速度；最后，在特征处理阶段，使用VariFocal Loss损失函数，增加模型对正样本目标的学习，对轴承小目标缺陷的检测精度进一步提升。实验结果表明：与原YOLOv5s网络相比，优化后的网络参数量减少了10%，使得模型的检测速度明显提升；同时，所提模型的平均检测精度达到了94%，对轴承表面小目标缺陷的识别率也有所提高。

来源：2024年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第18期