基于改进YOLOv5算法的钢材表面缺陷检测  

作　　者：马瑞 付兴魁 郑贵君 邹伯昌 

机构地区：[1]山东未来网络研究院紫金山实验室工业互联网创新应用基地,山东济南250000 [2]大连民族大学机电工程学院,辽宁大连116000

出　　处：《物联网技术》2025年第3期39-43,共5页Internet of things technologies

摘　　要：针对钢材表面缺陷检测的难点,提出一种基于YOLOv5算法的钢材表面缺陷检测方法。采用二等分的方法进行数据扩充,提高了模型的鲁棒性和泛化性;加入了通道注意力机制,提升了网络对重要特征的提取能力;增加了全局上下文特征提取模块,增强了模型对全局上下文特征的提取能力以及对不同尺寸缺陷的检测能力;增加了微小目标检测头,提升了网络对于微小瑕疵的检测能力。改进后的算法在NEU-DET数据集和GC10-DET数据集上的检测精度分别达到了83.1%和76.24%,较原YOLOv5算法提升了8.11个百分点和6.03个百分点。实验结果表明,改进后的算法性能优异,具有先进性,可以为钢材表面缺陷检测提供新的研究思路,助力于工业生产与发展。

关 键 词：钢材表面缺陷检测 深度学习 目标检测 YOLOv5 空洞卷积 微小目标检测头 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]