摘要
本发明公开一种基于改进的YOLOv5的织物瑕疵检测方法及装置,收集织物瑕疵数据集并对数据集进行预处理,对数据集进行数据增强以及均衡扩充;使用Kmeans++聚类算法对织物数据集瑕疵GT框聚类获得先验框;数据集按比例划分训练集和验证集;对模型进行改进,使用moscio‑9替换原来的moscio‑4进行在线数据增强,在特征提取的主干网络backbone中引入可变形卷积,提高模型的特征提取能力,在特征融合的颈部网络Neck中加入注意力机制,在检测网络的Head中引入Decoupled‑Detect;将织物瑕疵数据集通过搭建好的YOLOv5+DCN+BiFormer+Decoupled织物瑕疵检测网络进行训练获得模型预训练权重;将预处理后的待检测织物瑕疵图片输入最优权重模型进行瑕疵检测。本发明有助于提高织物瑕疵检测的准确性和检测模型的鲁棒性。