基于YOLO-GR算法的轻量化钢材表面缺陷检测

作者：吴亚尉; 明帮铭^*; 何剑锋; 钟国韵

来源：组合机床与自动化加工技术, 2023, (11): 107-111+115.

DOI：10.13462/j.cnki.mmtamt.2023.11.023

• 钢材缺陷检测
• 轻量化
• YOLO
• RepLK卷积
• W-IoU

针对工业带钢缺陷检测效率低、精度差、模型部署困难等技术不足，提出了一种改进YOLOv5s算法的轻量化钢材表面缺陷检测模型：YOLO-GR模型。首先，通过引入GhostV2 Bottleneck轻量化模块作为主干特征提取网络，以减少网络的参数量，同时将特征融合网络中的普通卷积块替换为深度可分离卷积块，进一步降低模型的计算复杂度以优化特征提取网络；然后，在检测头部分加入RepLK大卷积核提升网络感受野，以优化大尺度方差的检测效果；最后，引入W-IoU(Wise-IoU Loss)解决了带钢缺陷数据集难易样本不平衡问题，提高模型的泛化性能。实验结果表明，改进后的模型在平均检测精度上比原YOLOv5s模型提升了3.8%,在参数量和计算量比原模型下降了16.6%,模型大小仅仅12 M,为检测模型在移动端上的部署提供了可能。

• 单位
  东华理工大学