.png){kind=icon}
返回
DEC-YOLO: Surface Defect Detection Algorithm for Laser Nozzles
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14071279.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对激光喷嘴表面缺陷多、背景复杂导致的漏检、漏报及识别精度低等问题，本文提出了一种以DEC模块（DenseNet-显式视觉中心复合模块）为核心的检测模型DEC-YOLO。作为核心创新，DEC模块结合了DenseNet的密集连接与显式视觉中心（EVC）的局部-全局特征融合能力，以增强训练过程中的梯度传播稳定性并提升基础缺陷特征提取效果。为优化检测性能，引入了三种辅助策略：（1）头部分离策略以解耦分类与回归任务；（2）跨层连接实现多尺度特征融合；（3）坐标注意力机制抑制背景干扰。在自建数据集上的实验结果表明，DEC-YOLO的mAP@0.5达到87.5%，较YOLOv7提升10.5%，满足激光切割生产环境对精度与速度的需求。
Keyword:
laser nozzles
defect detection
DEC-YOLO
head decoupling strategy
cross-layer connection
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
暂无机构信息
引用论文
MSG-YOLO: A Multi-Scale Dynamically Enhanced Network for the Real-Time Detection of Small Impurities in Large-Volume ParenteralsMSG-YOLO：一种用于大容量注射剂中小杂质实时检测的多尺度动态增强网络.png)
ELECTRONICSOAAI
ELECTRONICSIF2.6
OAAI分享收藏High-Precision Detection Algorithm for Metal Workpiece Defects Based on Deep Learning基于深度学习的金属工件缺陷高精度检测算法MachinesOAAI
MachinesIF0
OAAI分享收藏YOLO-WAD for Small-Defect Detection Boost in Photovoltaic ModulesYolo-wad用于光伏组件中的小缺陷检测SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Efficient Detection Model of Steel Strip Surface Defects Based on YOLO-V7基于YOLO-V7的带钢表面缺陷高效检测模型IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容