基于YOLOv5的表面缺陷检测优化算法
渠逸
汪诚
余嘉博
孔亚康
陈贤聪
空军工程大学基础部,西安,710051
摘要：快速、准确地检测材料表面缺陷已成为各领域研究的重要目标,为增加检测效率,实现设备轻量化,提出了一种基于YOLOv5的目标检测优化算法,添加DyHead检测头,融合多个注意力机制,增强模型的检测精度;更换aLRPLoss损失函数,减少超参数调节工作,优化训练过程;基于FasterNet提出C3-Faster,代替网络中的C3模块,以PConv的思想提升模型检测性能,减少模型体积;最后添加轻量级上采样算子CA-RAFE,扩大模型感受野,提升对不同大小目标的检测效果.实验结果表明,改进后的YOLOv5模型相比于原版模型,在钢材表面缺陷数据集上总体平均精度提高了4.174%,参数量减少了11.25%,计算复杂度减少了13.75%,权重体积减少了10.72%,检测性能高于SSD、RetinaNet、FCOS、YOLOv3、YOLOv4等主流目标检测算法,在工业检测中具有较高的应用价值.
关键词：目标检测YOLOv5钢材表面缺陷
分类号：TP391.41(计算技术、计算机技术)
资助基金：陕西省自然科学基础研究计划项目(2023-JC-QN-0696)
论文发表日期：2023-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 80-87 )
英文信息