一种基于STI-YOLO的锌花背景干扰下带钢表面缺陷检测方法

作者：魏明军; 陈钊^*; 纪占林; 周太宇; 闫旭文; 刘铭

来源：河南师范大学学报(自然科学版), 2023, 51(04): 84-92.

DOI：10.16366/j.cnki.1000-2367.2023.04.011

• 缺陷检测
• 特征融合
• 注意力机制
• 多尺度特征
• 锌花背景干扰

针对有花镀层钢板表面缺陷检测过程中由于锌花底纹干扰导致缺陷识别率低的问题，提出一种以目标检测算法YOLOv5s为基础并通过引入通道注意力机制和金字塔卷积网络的Spangles Texture Interference-YOLO(STI-YOLO)算法模型.根据缺陷数据集重新聚类，优化先验框；在特征融合网络PANet之前引入通道注意力机制SENet,抑制锌花背景的干扰；在预测网络之前添加金字塔卷积网络，取得更加丰富的上下文特征.实验结果表明，STI-YOLO模型提升了带钢表面缺陷的检测精度，平均精度均值mAP达到了95.79%,较YOLOv3、YOLOv4和YOLOv5s算法分别提高了13.13个百分点、14.59个百分点和2.07个百分点.检测速度为54.14 frame/s,满足实时性要求，可见STI-YOLO模型具有较好的检测性能.

• 单位
  华北理工大学