基于太赫兹技术及YOLOv5s的碳纤维缺陷检测研究

碳纤维复合材料以其特殊的性能广泛应用于不同领域，然而缺陷的存在严重影响材料性能，造成重大经济损失，甚至存在安全隐患。为此，本文搭建了一种透射式太赫兹连续波检测系统，对带有内部缺陷的样件进行检测，对检测结果进行了图像预处理并构建目标数据集。针对图像背景干扰大、缺陷类别容易混淆、缺陷尺度变化大、小缺陷检测效果差的工业场景，提出了一种改进的YOLOv5s算法，通过增加小目标检测层和卷积块注意力模块（CBAM），改进损失函数的方法提高了缺陷智能识别的精度和速度。实验结果表明，改进的YOLOv5s算法在测试集上得到92.3%的准确率和80.8%的召回率，分别较原YOLOv5s算法提高了10.6百分点和3.0百分点，具有更强的特征提取能力，并展现出良好的鲁棒性，避免了应用原算法的错检、漏检现象。