登录社区云，与社区用户共同成长
邀请您加入社区
本文针对钢材表面缺陷检测效率低、精度差的问题，提出基于改进YOLOv5的解决方案。通过引入SENet注意力机制强化缺陷特征提取，并结合K-Means优化锚框匹配，使模型在NEU-DET数据集上mAP达73.3%，相比原YOLOv5提升4.3%，检测速度35.7FPS。实验表明，改进模型优于SSD、YOLOv3等算法，能有效检测0.1mm细裂纹和各类钢材缺陷，满足工业生产线实时检测需求。系统采用Py
于matlab的鸟类图像处理gui，包含76张鸟类图像，可以实现对图像的：中值滤波k-means分割闭运算灰度化傅里叶变换腐蚀操作Canny边缘检测直方图均衡化自适应阈值分割膨胀操作Sobel边缘检测高斯滤波区域生长分割开运算Prewitt边缘检测可以更换自己的图像，可供学习和参考！
