来源：期刊VIP网 时间：
作者：刘毅;蒋三新;
单位：上海电力大学电子与信息工程学院;
摘要：针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题，提出一种改进YOLOX的钢材表面缺陷检测算法。首先，在Backbone部分引入改进的SE注意力机制，增添一条最大池化层分支，进行权重融合，强化重要的特征通道；其次，在Neck部分引入ASFF模块，充分利用不同尺度的特征，更好地进行特征融合；最后，针对数据集所呈现的特点，将IOU损失函数替换为EIOU损失函数，改善模型定位不准确的问题，提高缺陷检测精度。实验结果表明，改进的YOLOX算法具有良好的检测效果，在NEU-DET数据集上的mAP达到了75.66%，相比原始YOLOX算法提高了3.74%，较YOLOv6提升了2.76%，检测精度优于其他主流算法。
关键词：YOLOX;;单阶段目标检测网络;;SE注意力机制;;ASFF模块;;表面缺陷检测;;EIOU损失函数
