基于YOLOv5s网络改进的钢铁表面缺陷检测算法

来源：机床与液压杂志2024年第4期北京时间：

作者：杨涛，刘美，孟亚男，张斐，刘世杰，莫常春

单位：吉林化工学院信息与控制工程学院;广东石油化工学院自动化学院；广东石油化工学院自动化学院；吉林化工学院信息与控制工程学院；东莞理工学院机械工程学院;湖南科技大学机械设备健康维护湖南省重点实验室；吉林化工学院信息与控制工程学院;广东石油化工学院自动化学院；大连交通大学机车车辆工程学院

摘要：针对目前钢铁表面缺陷检测算法存在检测精度低、检测速度慢和模型复杂度高等问题，提出基于YOLOv5s改进的钢铁表面缺陷检测算法。将SE通道注意力模块融入骨干网络中以增大缺陷特征通道权重，降低背景干扰，提高算法对缺陷特征的提取能力；在颈部网络融入STR多头自注意力模块，提高缺陷边缘纹理等细节特征的比重；改进损失函数为SIoU,缩短预测框回归收敛过程以提高算法检测速度。实验结果表明：改进算法在NEU-DET数据集上的mAP值为80.4%，较YOLOv5s提高5.5%，每秒处理帧数为100，算法体积降低约8.3%，算法计算量降低约4.3%,对比其他的目标检测算法，改进算法在检测精度、检测速度上均明显提升，模型复杂度降低明显。改进算法可满足实时钢铁表面缺陷检测需求。

关键词：钢铁表面缺陷;SE通道注意力模块;STR模块;检测算法

基金资助：国家自然科学基金面上项目（62073091）；湖南省重点实验室开放基金项目（21903）；广东省普通高校重点领域（新一代信息技术）专项（2020ZDZX3042）