基于改進YOLOv5S 算法的鋁型材表面缺陷檢測

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，導致極易出現誤檢、漏檢等問題，設計了一種改進YOLOv5S的鋁材表面缺陷檢測算法。首先在主干網絡中引入CA 注意力機制模塊，弱化對無用信息的關注，強化了目標的定位能力，同時將邊界框損失函數改為EIoU Loss，加強預測框的回歸預測能力，并且還采用了雙向特征金字塔網絡（BiFPN）來進行特征融合。實驗成果顯示，經優化的YOLOv5S 模型在APDDD 鋁材數據集上的平均精度均值（MAP）達到了83.7％，較原始的YOLOv5S 模型有3.0％的增長，FPS 值上也增加了4.433，檢測精度和速度都得到了提升。

關鍵詞：缺陷檢測；YOLOv5S；注意力機制；特征金字塔

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2024）06-0047-05