改进YOLOv5s的钢材表面缺陷检测

作者：谷长江; 高法钦

来源：软件工程, 2023, 26(08): 31-34.

DOI：10.19644/j.cnki.issn2096-1472.2023.008.007

• YOLOv5s
• 缺陷检测
• 注意力机制
• 过参数化

缺陷检测是生产中重要的环节，基于钢板表面缺陷特征不明显和难以提取导致的检测精度不足问题，文章在YOLOv5s检测网络的基础上进行改进，首先基于DO-Conv过参数化模块改进网络特征提取模块，然后使用ULSAM注意力机制改进网络的颈部(Neck),提出改进的YOLOv5s缺陷检测网络。基于NEU-DET数据集的实验结果表明，改进的YOLOv5s缺陷检测网络检测平均准确率达76.6%,较YOLOv5s和YOLOv4分别提升了7.8%和6.3%,有效提高了钢材表面缺陷检测精度。

• 出版日期2023
• 单位浙江理工大学