改进YOLOv5s的磁瓦表面缺陷检测算法

作者：邹易航; 朱顺痣^*; 黄智财

来源：厦门理工学院学报, 2023, 31(05): 58-65.

DOI：10.19697/j.cnki.1673-4432.202305009

• 磁瓦缺陷检测
• YOLOv5s目标检测算法
• 注意力机制
• SIoU损失函数
• GSconv

针对磁瓦图像的高对比度和不同缺陷类别的差异较大，工业生产环境中磁瓦检测方式漏检率高、检测效率低下的问题，提出一种基于YOLOv5s的改进算法。该算法在Neck端使用GSconv (group shuffle convolution)替换原有标准卷积，实现网络轻量化的同时提升检测精度；在BackBone引入CA(coordinate attention)注意力机制，对重要的特征进行强化，提升网络特征提取能力；将原有模型中CIoU损失函数替换为SIoU损失函数，使模型在训练过程中能更快收敛。实验结果显示，改进后的算法平均精度达到了97.1%，相对于原有的YOLOv5s模型，提升了1.8%。

• 出版日期2023
• 单位厦门理工学院; 厦门华厦学院