基于改进YOLOv5的轧钢表面缺陷检测方法研究
柳亚萍
彭和平
江汉大学智能制造学院 湖北武汉 430056
摘要：轧钢表面小目标缺陷的检测效果较差,容易出现漏检、误检的情况,提出一种改进YOLOv5 的轧钢表面缺陷检测算法.在网络中引入混合注意力模块CBAM,提升了网络对小目标的特征提取能力,尤其更加关注缺陷区域.探究CBAM模块的融入位置对网络性能的提升效果,在东北大学热轧钢数据集上进行验证.实验表明,改进的模型提升了对小目标缺陷的检测精度.
关键词：目标检测轧钢表面缺陷YOLOv5注意力机制
资助基金：国家自然科学基金(52075222)
论文发表日期：2023-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 58-62 )