改进YOLOv5的汽车齿轮配件表面缺陷检测

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：朱德平, 程光, 姚景丽

单位：1.北京联合大学 北京市信息服务工程重点实验室，北京 100101；2.北京联合大学 前沿智能技术研究院，北京 100101

摘要：针对汽车齿轮配件表面缺陷检测存在效率低和精度差的问题，提出一种基于YOLOv5改进的缺陷检测模型YOLO-CNF。在骨干网络中增加CBAM注意力模块，使模型更加关注齿轮配件的缺陷区域，提高对微小缺陷的识别能力；设计了F2C模块用于融合浅层特征，在一定程度上缓解了微小缺陷位置信息丢失的问题；利用NWD（normalized Wasserstein distance）对回归损失进行优化，减少对小目标位置偏差的敏感性，从而进一步提高目标位置的准确率和精度。实验结果表明，改进模型的平均精度均值达到了86.7%，相较于原始模型提高了3.2个百分点，检测速度为43?帧/s，基本满足了对汽车齿轮配件表面缺陷检测的需求。

关键词：缺陷检测,齿轮配件,CBAM,特征融合,NWD距离