来源：期刊VIP网 时间：
作者：赵小惠;张智杰;胡胜;郇凯旋;刘磊;蒲军平;
单位：西安工程大学机电工程学院;
摘要：齿轮表面的缺陷检测是齿轮生产制造过程中相当重要的工序。为了提高齿轮表面缺陷检测的精度，提出了一种基于改进YOLOv5的算法检测模型BN-YOLOv5。首先，将加权双向特征金字塔网络结构嵌入到颈部网络结构中，强化了网络对不同特征的提取能力；其次，引入轻量级的基于标准化的注意力模块（Normalization-based Attention Module,NAM），将其与加权双向特征金字塔网络结构相结合，以更加有效地融合高层与低层的特征信息；最后，采用深度可分离卷积模块替换网络结构中所有的卷积层，使网络模型更加轻量化。实验结果显示，改进后的算法模型平均精度均值可达到98.5%，检测速度达到66 FPS/s，模型大小为9.69 MB，有效降低了模型的占用内存，可满足在小型移动设备上实时检测齿轮表面缺陷的任务要求。
关键词：齿轮表面;;缺陷检测;;YOLOv5;;轻量级;;NAM注意力机制
基金资助：国家自然科学基金项目（72001166）;; 陕西省科技计划项目（2022JQ-721）;; 陕西省社会科学界联合会项目（20ZD195-59）
