来源：期刊VIP网 时间：
作者：陈万志;张春光;
单位：辽宁工程技术大学软件学院;
摘要：针对带钢表面缺陷检测中的漏检和精度较低问题，提出一种融合swin-transformer和坐标注意力（coordinateattention,CA）模块的改进YOLOv5模型检测方法。在YOLOv5模型的主干网络中引入swin-transformer特征提取模块，使主干网络更聚焦于图像全局特征信息的提取；在特征融合网络输出分支末端嵌入CA模块，进一步增强目标缺陷方向和位置信息的敏感度。研究结果表明：改进模型在NEU-DET数据集上的平均精度值（m AP）达到了77.6%，较原YOLOv5模型提高了3个百分点。改进模型提升了带钢表面缺陷检测精度，具有更好的缺陷检测能力。
关键词：带钢表面缺陷检测;;swin-transformer模块;;坐标注意力模块;;YOLOv5网络
基金资助：国家重点研发计划项目（2018YFB1403303）;; 辽宁省教育厅高等学校基本科研项目（LJKZ0327）
