基于改进YOLOv5s的粉末冶金工件表面缺陷检测

作者：万霞; 赵为鑫; 张文超; 王晨曦; 王明伟^*; 姜瀚

来源：科技创新与应用, 2023, 13(24): 72-77.

DOI：10.19981/j.CN23-1581/G3.2023.24.015

• YOLOv5算法
• 注意力机制
• GhostNet
• 表面缺陷检测
• 锚框

针对粉末冶金工件表面发生开裂、孔洞等缺陷时，采用机器视觉检测易出现漏检和误检等问题，提出一种改进的YOLOv5s目标检测算法。综合考虑工件表面缺陷的特点，采用线性卷积替换普通卷积降低网络模型参数，在特征提取网络中引入坐标注意力机制提升目标通道和位置通道特征能力，重新设计先验框尺寸提高锚框尺寸匹配度，并对损失函数进行改进，进而提升检测精度。实验表明，改进后的网络平均检测精度（mAP）由原来的58.5%提升至63.6%，检测速度达到65 ms。改进后的算法在YOLOv5s轻量高效的前提下，更能实现精准的零件缺陷检测。

• 单位
  大连工业大学; 自动化学院