基于改进YOLOX-s的轻量级型钢表面缺陷检测算法

作者：黄啸; 吴龙^*; 黎尧; 吕宏泽

来源：计算机应用, 2023, S2: 201-208.

• YOLOX-s
• 双向特征金字塔网络
• 并行注意力
• 完全交并比
• 损失
• 深度可分离卷积
• 型钢表面缺陷检测

单阶段目标检测网络特征融合性能不足，且型钢生产现场计算资源受限，导致型钢表面缺陷检测精度较低。针对上述问题，提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先，提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s，以提高网络对缺陷特征的敏感度和提升有效特征的提取效率；其次，在Neck中构建双向特征金字塔网络（BiFPN）加权特征融合路径，促进浅层细节特征与深层语义特征的交互融合，强化网络特征融合能力，并在网络中引入深度可分离卷积（DSC）对模型进行轻量化处理；最后，将模型的边界框回归损失函数替换为完全交并比（CIoU）损失，加快模型收敛，提升预测框的定位精度。在NEU-DET数据集上的实验结果表明，所提算法的平均精度均值（mAP）达到了74.6%，比原始YOLOX-s提升了4.8个百分点，推理帧率达到75.2 frame/s，能够满足实时性检测的需求；生产现场采集的型钢数据集进一步验证了所提算法的可行性。

• 单位
  机电工程学院; 三明学院; 福建农林大学