基于改进YOLOv5算法的钢材表面缺陷检测

作者：曹义亲; 伍铭林; 徐露

来源：图学学报, 2023, 44(02): 335-345.

• YOLOv5
• SPP＿Res
• 多头注意力机制
• 多层融合
• 缺陷检测

针对单阶段检测网络YOLOv5的特征提取能力不足、模型感受野受限以及特征融合不充分等问题，提出一种改进YOLOv5的钢材表面缺陷检测算法。该方法构造一种带残差边的SPP＿Res特征金字塔结构，加快模型的训练速度，增强模型的特征提取能力；加入多头注意力机制(C3＿MHSA)，优化了网络结构，专注全局感受野，提取更加丰富的目标特征；引入多层特征融合机制，进一步融合浅层与深层特征，兼顾到更多的位置、语义、细节信息，提高网络对钢材表面缺陷的检测精度。实验结果表明，改进后的YOLOv5网络模型具有良好地检测性能，在NEU-DET数据集上的mAP达到了74.1%，相比原始YOLOv5网络提升了3.4%，较YOLOX提升4.0%，较YOLOv3提升了8.6%，较SSD算法提升了23.4%。检测速度优于其他主流算法，且在保持原检测速度基本不变的情况下，能够快速准确地对钢材表面缺陷进行检测。

• 单位
  机电工程学院; 华东交通大学; 江西交通职业技术学院