楊海斌

摘要：針對鋁材表面缺陷種類多、背景干擾強且尺度變化多樣，導(dǎo)致極易出現(xiàn)誤檢、漏檢等問題，設(shè)計了一種改進YOLOv5S的鋁材表面缺陷檢測算法。首先在主干網(wǎng)絡(luò)中引入CA 注意力機制模塊，弱化對無用信息的關(guān)注，強化了目標(biāo)的定位能力，同時將邊界框損失函數(shù)改為EIoU Loss，加強預(yù)測框的回歸預(yù)測能力，并且還采用了雙向特征金字塔網(wǎng)絡(luò)（BiFPN）來進行特征融合。實驗成果顯示，經(jīng)優(yōu)化的YOLOv5S 模型在APDDD 鋁材數(shù)據(jù)集上的平均精度均值（MAP）達(dá)到了83.7％，較原始的YOLOv5S 模型有3.0％的增長，F(xiàn)PS 值上也增加了4.433，檢測精度和速度都得到了提升。

關(guān)鍵詞：缺陷檢測；YOLOv5S；注意力機制；特征金字塔

中圖分類號：TP391 文獻標(biāo)識碼：A

文章編號：1009-3044（2024）06-0047-05