融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测

作者：孙泽强; 陈炳才; 崔晓博; 王磊; 陆雅诺

来源：计算机应用, 2022, 1-8.

• YOLOv5算法
• 注意力机制
• 锚框
• 聚类算法
• 表面缺陷检测
• 解耦头

针对带钢表面缺陷在实际场景中检测精度低，易出现漏检和误检的情况，构建一种YOLOv5-CFD(CSPDarknet53+FcaNet+Decoupled Head)模型对带钢缺陷目标进行更精确检测。首先，采用Fuzzy C-means算法对NEUDET数据集聚类锚框，优化先验框和真实框之间的匹配度；其次，为了提取目标区域的丰富的细节信息，在原始YOLOv5算法基础上添加频域通道注意力模块（FcaNe(tFrequency channel attention Networks)）；最后，采用解耦检测头（Decoupled Head）将分类任务和回归任务分离。实验数据集采用东北大学公开的NEUDET表面缺陷数据集，实验表明，改进的YOLOv5算法在引入较少的参数量和原始YOLOv5算法检测速度相差不大的情况下检测精度提高了5.6个百分点，平均检测精度（mAP(mean Average Precision)）达到85.5%，与YOLOX算法相比，检测精度提升了4.4个百分点，检测速度达到27.71FPS，能够满足检测实时性的要求。

• 单位
  新疆师范大学; 大连理工大学