基于改进YOLOv5的带钢表面缺陷检测

作者：赵祥涛; 刘银华^*

来源：自动化与仪器仪表, 2023, (10): 6-9.

DOI：10.14016/j.cnki.1001-9227.2023.10.006

• 表面缺陷检测
• Coordinate Attention
• 特征融合
• 损失函数

针对目前热轧带钢表面缺陷检测算法精度不高，检测速度慢的问题，提出了一种基于改进YOLOv5算法的网络模型。首先，引入Coordinate Attention提高模型特征提取能力；其次，对Neck结构进行改进，提出CA-BiFPN网络结构减少信息特征流失，实现多尺度信息表征；最后，使用EIOU Loss作为边框回归损失函数，提高定位精度，加快检测速度。实验结果表明，在NEU-DET数据集上相较于原YOLOv5算法平均精度均值(mAP)提高4.3%,召回率提高5.5%,精度提高2.2%,检测速度为111.1 fps,实现了识别精度与检测速度的良好均衡，具有一定的应用价值。

• 出版日期2023
• 单位自动化学院; 青岛大学