典型文献
改进YOLOv5的钢材表面缺陷检测算法
文献摘要：
针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法.首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量.实验表明,改进的YOLOv5s-GSD算法,模型体积减少了10.4％,在测试集上的mAP值为76.8％,相比原YOLOv5s网络提高了3.3％,检测精度和速度也明显高于一些主流算法.相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署.
文献关键词：
钢材表面缺陷;YOLOv5;检测算法;注意力机制
中图分类号：
作者姓名：
李鑫;汪诚;李彬;郭振平;李秋良;李卓越
作者机构：
空军工程大学基础部,西安,710038
文献出处：
引用格式：
[1]李鑫;汪诚;李彬;郭振平;李秋良;李卓越-.改进YOLOv5的钢材表面缺陷检测算法)[J].空军工程大学学报,2022(02):26-33
A类：
钢材表面缺陷
B类：
表面缺陷检测,检测算法,缺陷检测方法,检测效率,检测精度,GhostBottleneck,C3,分卷,模型轻量化,Backbone,SE,注意力机制,个检,检测层,特征提取能力,Neck,加特,特征融合,DW,换部,标准卷积,减少运算量,YOLOv5s,GSD,测试集,mAP,流算法,移动端
AB值：
0.307469
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
