基于YOLOv5的钢材表面缺陷检测算法

作者：**升; 祝俊辉; 干家欣; 侯津津; 王圆; 周贤勇; 陈琳^*

来源：无线电工程, 2023, 1-9.

• 缺陷检测
• YOLOv5
• 注意力机制
• 轻量化模型
• 特征融合

针对目前钢材表面缺陷检测方法存在检测精度不高，易出现误检、漏检等问题，提出一种改进YOLOv5的钢材表面缺陷检测算法。首先在主干网络中引入坐标注意力机制（CA）模块，提升模型关注钢材表面缺陷的能力，并使用GhostBottleneck结构与主干网络中的部分卷积模块和C3模块进行替换，构建轻量化模型；其次在Neck层采用双向特征金字塔网络（BiFPN）结构来提升检测效果；最后增加一个目标检测层来解决数据集中部分缺陷占比较大的问题。实验结果表明，改进的YOLOv5s-GCBD（GhostBottleneck-CA-BiFPN-Anchor）算法在NEU-DET数据集上的平均精度均值mAP达到80.2％，较原YOLOv5s算法提高了3.5％。相比传统的钢材表面缺陷检测方法，提出的算法实现了更精准的钢材表面缺陷检测。

• 单位
  长江大学