改进YOLOv5s的钢板表面缺陷检测算法

作者：周彦^*; 孟江南^*; 吴佳; 罗智; 王冬丽

来源：激光与光电子学进展, 2023, 60(04): 393-401.

• YOLOv5s
• 钢板表面缺陷检测
• 注意力机制
• Focal loss

针对传统方式检测钢板表面缺陷存在检测精度低、检测速度慢的问题，提出一种改进YOLOv5s算法。首先，使用基于交并比（IoU）度量距离的K-means算法对钢铁数据集进行重新聚类，获得多组锚框，通过遗传算法对其进行变异运算，得到与全体标注框更匹配的多组锚框；其次，在Mosaic数据增强上融合MixUp，抑制过拟合，提升模型的泛化能力；然后，对网络结构进行改进，融入注意力模块，进一步提高了网络的特征提取能力；最后，针对难识别样本，在损失函数中融入Focal loss，提高网络的收敛速度与检测精度。实验结果表明，改进后的YOLOv5s算法在测试集上的平均精度均值（mAP）可达78.4%，比原始的YOLOv5s算法提高了3.0个百分点，速度上与原始YOLOv5s基本持平。所提算法在保持高检测速度的基础上，检测性能也优于DDN、Faster R-CNN和YOLOv3。

• 出版日期2023
• 单位湘潭大学; 湖南华菱湘潭钢铁有限公司