기존 용접부 결함 검출 알고리즘에서 소규모 검출 부정확, 실시간성 저하 및 파라미터 수가 많은 문제를 해결하기 위해 개선된 용접부 결함 온라인 검출 알고리즘 YOLO-TR을 제안하였다. 해당 알고리즘은 그을음, 용융, 슬래그 포함, 비융합, 오정렬 등 5가지 일반적인 용접부 결함의 온라인 검출을 실현하였다. 트리플 어텐션 메커니즘과 YOLOv5 특징 추출 네트워크 알고리즘을 결합하여 모델의 특징 추출 능력을 향상시키고; 넥 네트워크는 동적 업샘플링 모듈을 사용하여 특징 맵 해상도를 향상시켜 고정밀 검출 요구 사항을 충족시키며; 분산된 집중 검출 헤드를 추가하여 모델 파라미터 수를 줄이는 전제 하에 크기 변화에 대한 모델의 안정성을 강화하였다; Shape-IoU 손실 함수를 사용하여 회귀 정확도와 모델 수렴 속도를 향상시켰다. 알고리즘의 유효성을 검증하기 위해 소거 실험과 비교 실험을 수행하여 YOLO-TR 알고리즘의 종합 성능을 평가하였다. 실험 결과 YOLO-TR 알고리즘의 정확도는 92.5%로 원래 네트워크보다 3.6% 향상되었고; 재현율은 88.8%로 2.1% 증가하였다; 전체 유형 평균 정밀도(mAP@0.5)는 0.8% 향상되었으며; 모델 파라미터 수는 단지 4.4%만 증가하였다. 본 논문의 알고리즘은 용접부 결함의 효율적인 온라인 검출을 실현할 수 있으며, 안정성과 일반화 능력이 우수하고, 산업 결함 검출 분야에서 YOLO-TR 알고리즘의 유효성을 입증하였다.

결함 검출;YOLOv5;트리플 어텐션 메커니즘;분산 집중 검출 헤드;동적 업샘플링