YoloGT: 基于ViT的钢板表面轻量级瑕疵检测算法

来源：计算机应用与软件杂志2025年第3期北京时间：

作者：李宁, 刘青, 熊俊, 尚英强, 时晨杰

摘要：目前基于传统方法设计的瑕疵检测算法速度较慢、检测精度低，而基于深度学习的瑕疵检测技术，也因其庞大的计算量和模型体积，导致无法在有限的设备上进行部署使用。针对以上问题，引入Vision Transformer(ViT)结构至特征提取部分，并利用一种改变卷积结构的算法(GhostNet)，实现瑕疵检测网络结构的轻量化，得到网络模型Yolov5s-Ghost-ViT（YoloGT）。与原模型相比，YoloGT模型体积、计算量和参数量分别减小了42.4%、47.9%、38.8%，mAP值在VOC和NEU数据集上分别提升1.65百分点和2.9百分点。相比原算法，更适用于工业场景中钢板表面瑕疵的嵌入式实时检测系统。

关键词：瑕疵检测, YOLOv5, 机器视觉, 深度学习