基于改进YOLOv5s的金属表面缺陷检测

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：顾嘉炜,焦良葆,焦波,孟琳,李笑笑

单位：南京工程学院 人工智能产业技术研究院

摘要：金属表面缺陷在飞机和航天器制造等领域易致结构失效，带来巨大的事故风险。针对传统YOLOv5s算法检测金属表面冲孔、丝状斑点、月牙形缺口等性能差的问题，现提出一种改进的YOLOv5s算法。该算法将Ghost网络加入到Backbone部分；在Neck网络中增加了MHSA注意力机制；将原损失函数替换为DIOU。经实验验证，改进后的网络与原网络相比，mAP@0.5提升了3.2%；提高了模型的检测精度并且误检、漏检率低，证实了该方法在金属表面缺陷检测上的有效性。

关键词：目标检测;金属表面缺陷;深度学习;损失函数;注意力机制;

基金资助：江苏省产学研合作项目 (BY20230656)