来源：期刊VIP网 时间：
作者：王涵;刘海明;邵雨虹;
单位：长安大学现代工程训练中心;
摘要：针对传统的金属表面缺陷检测方法存在的检测精度低、效率低等问题，提出了一种以YOLOv5为基础改进的金属表面缺陷检测算法。改进的算法首先引入Ghost卷积替换原始主干网络中的常规卷积，通过更少的运算来生成更多的特征映射，实现模型的轻量化，并以此提升检测效率。同时，通过注意力模块的加入强化通道信息，弱化冗余信息，增强模型对于目标特征信息的提取能力，从而实现检测精度的提升。使用DIoU-NMS方法替代传统的NMS算法，以此来改善对重复遮挡目标的识别。改进后的模型平均精度达76.2%，比原始YOLOv5模型平均精度提高2.7%，相较于原YOLOv5算法检测精度与效率均有明显提升，能够快速准确的进行金属表面缺陷的检测识别。
关键词：金属表面缺陷检测;;YOLOv5模型;;注意力机制;;Ghost卷积
基金资助：中国交通教育研究会交通教育科学研究课题（JTYB20-102）;; 长安大学实验教学改革研究项目（20211837）
