基于改进YOLOv5算法的带钢表面缺陷检测

作者：李金灵; 李维刚; 陈燕才; 胡晟蓝; 邱碧涛

来源：钢铁研究学报, 2023, 35(06): 767-777.

DOI：10.13228/j.boyuan.issn1001-0963.20220237

• 热轧带钢
• 表面检测
• YOLOv5
• 坐标注意力
• 特征融合

针对热轧带钢表面缺陷检测精度低的问题，提出一种改进的YOLOv5算法。首先，设计了一种多尺度融合平行骨干网络，其中，辅助骨干中的各个特征层经过转换，作为输入逐级复合连接到主骨干的各个特征层，利用辅助骨干提高主骨干的表达能力，从而提升了网络的表达能力；其次，在骨干网络和颈部中引入基于内容感知的特征重组模块(content-aware reassembly of features, CARAFE),获取检测任务所需的丰富语义信息，改善上采样语义信息丢失的问题；最后，在多尺度融合平行骨干中加入坐标注意力模块(coordinate attention, CA),增强网络的特征提取能力，更加准确定位目标位置。实验结果表明，改进后的YOLOv5算法在武钢热轧带钢表面缺陷数据集上平均准确率(mean average precision, mAP)达到93.1%,较原始YOLOv5算法提升3.9%,检测速度FPS保持在78.4,具有较高的检测精度。

• 单位
  武汉科技大学