一种改进YOLOv5s的立井罐道缺陷检测方法  

作　　者：杨根[1] YANG Gen

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《信息技术与信息化》2025年第4期115-118,共4页Information Technology and Informatization

摘　　要：针对当前立井罐道缺陷检测模型存在参数大、准确性低等问题,文章提出一种轻量化检测模型SCB-YOLOv5s。首先,在骨干网络融入ShuffleNetV2网络模型保证准确率的同时降低模型的参数量。其次,嵌入了CA(coordinate attention)轻量级注意力机制,来实现方向感知和位置敏感的注意力增强。最后,在特征融合部分引入双向特征金字塔网络BiFPN(bidirectional feature pyramid network)对不同输入特征进行加权融合,有效利用不同层次的特征信息,从而进一步提升模型精度。实验结果表明:改进后的方法模型的参数量降低了51.9%,计算量降低了40.5%。且MAP@0.5达到了87.8%,证明所提算法可以满足对罐道缺陷的实时检测需求。

关 键 词：罐道缺陷检测 ShuffleNetV2 SCB-YOLOv5s 双向特征金字塔网络 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]