改进YOLOv5的钢材表面缺陷检测算法

作者：李鑫; 汪诚^*; 李彬; 郭振平; 李秋良; 李卓越

来源：空军工程大学学报(自然科学版), 2022, 23(02): 26-33.

• 钢材表面缺陷
• YOLOv5
• 检测算法
• 注意力机制

针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题，提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构，实现网络模型轻量化；其次在Backbone部分引入SE注意力机制，对重要的特征通道进行强化；最后针对数据集特点在网络中增加一个检测层，强化特征提取能力，并在Neck部分增加特征融合结构，使用DW卷积替换部分标准卷积以减少运算量。实验表明，改进的YOLOv5s-GSD算法，模型体积减少了10.4%，在测试集上的mAP值为76.8%，相比原YOLOv5s网络提高了3.3%，检测精度和速度也明显高于一些主流算法。相比传统的钢材表面缺陷检测方法，提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置，并且具有较小的模型体积，方便于在移动端的部署。

• 出版日期2022
• 单位空军工程大学