改进YOLOv5的钢材表面缺陷检测算法
李鑫
汪诚
李彬
郭振平
李秋良
李卓越
空军工程大学基础部,西安,710038
摘要：针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法.首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量.实验表明,改进的YOLOv5s-GSD算法,模型体积减少了10.4％,在测试集上的mAP值为76.8％,相比原YOLOv5s网络提高了3.3％,检测精度和速度也明显高于一些主流算法.相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署.
关键词：钢材表面缺陷YOLOv5检测算法注意力机制
分类号：TP391.4(计算技术、计算机技术)
资助基金：陕西省重点研发计划(2020GY-307)
论文发表日期：2022-04-25
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( 26-33 )
英文信息