基于改进YOLOv5S 算法的铝型材表面缺陷检测

杨海斌

摘要：針对铝材表面缺陷种类多、背景干扰强且尺度变化多样，导致极易出现误检、漏检等问题，设计了一种改进YOLOv5S的铝材表面缺陷检测算法。首先在主干网络中引入CA 注意力机制模块，弱化对无用信息的关注，强化了目标的定位能力，同时将边界框损失函数改为EIoU Loss，加强预测框的回归预测能力，并且还采用了双向特征金字塔网络（BiFPN）来进行特征融合。实验成果显示，经优化的YOLOv5S 模型在APDDD 铝材数据集上的平均精度均值（MAP）达到了83.7％，较原始的YOLOv5S 模型有3.0％的增长，FPS 值上也增加了4.433，检测精度和速度都得到了提升。

关键词：缺陷检测；YOLOv5S；注意力机制；特征金字塔

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2024）06-0047-05