摘要
本发明属于纺织布匹瑕疵检测技术领域,具体涉及一种基于分类重加权YOLOv5模型的织物瑕疵检测方法。对YOLOv5模型中的分类损失函数进行改进,引入EqualizationLossv2函数梯度引导平衡重加权,独立、平等地重新平衡每个类别的训练过程,并在EqualizationLossv2函数的基础上,针对召回率Recall过小导致总体mAP不高的问题,在loss值函数关于类别权重的梯度计算中,使模型忽略低召回率类别作为其他类别的负样本的情况,减少低召回率类别对应的样本权重对负向梯度的累积,只累积正向梯度。进一步提升整体召回率,巧妙地提升总体mAP精度。使用本发明所述方法进行织物图像的瑕疵检测,相较于现有的先进检测模型在检测精度和效率指标上都具有较大的优势,同时也很好地满足了工业场景中的实时性要求。