标题：基于YOLOv5改进的光扩散膜缺陷检测方法
作者：刘金浩1，2 黄诗浩1，2 孙钦钦1，2 陈哲1，2
作者单位：1 福建理工大学电子电气与物理学院，福建 福州 350118；2 福建理工大学汽车电子与电驱动福建省重点实验室，福建 福州 350118
关键字：膨胀卷积；缺陷检测；机器视觉；YOLOv5；光扩散膜
摘要：光学扩散膜的缺陷检测是光学扩散膜生产过程中的一项关键的质量控制过程，旨在识别出当前产品的缺陷并对过程工艺进行相应改进。基于深度学习的光扩散膜缺陷检测方法具有自动提取缺陷特征、效率高等优点，是近年来研究的热点应用之一。通过镜像、旋转和添加噪声等对光扩散膜的缺陷进行了扩充，建立了具有9950个样本的光扩散膜缺陷数据集。为了有效捕捉光扩散膜缺陷的非局部上下文特征和局部物体特征，并加强特征融合，提出了一种具有感受野扩展策略（RFEM）和自适应空间特征融合模型（ASFF）的YOLOv5改进算法。与原始模型相比，该方法mAP和Recall分别提高了12.5%和8.0%，证明了其在光扩散膜中缺陷检测的有效性。