来源：期刊VIP网 时间：
作者：陆海华;黄春辉;王旭东;曹维林;
单位：浙江中烟工业有限责任公司宁波卷烟厂;厦门烟草工业有限责任公司;
摘要：【目的】解决烟包外观检测中目标与背景相混淆、缺陷目标较小不易识别的问题。【方法】基于YOLOv5s的改进，提出了一种融合特征增强与多尺度的烟包外观缺陷检测方法。首先在特征提取网络中引入特征重提取模块，并采用空间-深度层和非跨步卷积组合，减少信息丢失并保留小目标特征。然后在特征提取网络的最深层引入上下文注意力模块，通过学习上下文信息，使用可变形卷积提取小目标特征，增强对目标与背景的区分能力，减少漏检情况。最后在特征融合网络中引入多尺度感受野增强模块，通过多分支结构加强特征信息之间的相关性，增强特征的语义表示。【结果】FCM-YOLO相比起其他目标检测算法具有更高的缺陷检测精度。【结论】基于特征增强与多尺度融合的烟包外观检测方法有效减少信息丢失，提升目标与背景区分能力，检测精度达到98.3%,FPS为56.6，特别在易混淆类别（如污点和破损）上表现优异。
关键词：机器视觉;;烟包外观缺陷检测;;YOLOv5;;多尺度融合;;特征增强
