基于改进的YOLOv5s刨花板表面小目标缺陷检测算法

来源：计算机工程与应用杂志2024年第17期北京时间：

作者：查健, 陈先中, 王文财, 关淯尹, 张洁

单位：1.北京科技大学 自动化学院，北京 100083；2.北京建筑材料科学研究总院有限公司，北京 100041

摘要：针对目前刨花板缺陷检测在小目标检测上精度不佳的问题，提出了一种改进的YOLOv5s刨花板表面小缺陷检测算法YOLOv5s-ATG。对刨花板缺陷存在小目标及尺度变化较大缺陷的问题，将原有检测头与自适应空间特征融合网络（ASFF）相结合，以获得更好的特征融合，提高尺度变化较大情况下小目标检测的精度；在主干网络中引入Transformer模块，利用多头自注意力机制捕获全局空间关系，提升网络的特征提取能力；考虑到平衡模型精度和复杂度，在网络的主干和颈部加入Ghostv2模块，去提升算法的实时性。实验结果表明，改进的算法在实际刨花板缺陷数据集上平均精度（mAP）能够达到0.901，与原始YOLOv5s算法相比，mAP提高了0.046；而对于小目标缺陷类型胶斑，mAP提高了0.138。

关键词：刨花板表面缺陷检测,YOLOv5s,深度学习,小目标检测,特征融合