基于改进YOLOv5的金属焊缝缺陷检测

来源：电子测量技术杂志2022年第19期北京时间：

作者：李衍照，于镭，田金文

单位：青岛科技大学自动化与电子工程学院 青岛市 266061

摘要：为提高工业上焊缝缺陷自动检测与处理的效率，基于深度学习提出一种改进的YOLOv5焊缝缺陷检测方法。针对焊缝样本数据不足的问题，提出一种Mosaic+Mixup的数据增强策略，同时为减少网络的计算量和网络参数量，引入轻量型的GhostNet网络代替YOLOv5主干网络中CSP1模块中的残差模块，并且采用CIOU_Loss作为坐标位置损失提高算法的收敛速度与准确率。最后使用测试集进行焊缝缺陷检测，改进的YOLOv5的平均精度均值（mean Average Precision,mAP）达到96.88%，单张图片检测时间不超过50毫秒，优于传统机器学习算法，能够满足实际工程中对焊缝缺陷的实时性检测要求。

关键词：深度学习;焊缝缺陷检测;YOLOv5;目标检测;GhostNet

基金资助：山东省重大科技创新工程(2021SFGC0601)