来源：期刊VIP网 时间：
作者：徐向前;李星;张永安;
单位：西安石油大学材料科学与工程学院;青岛三柏硕健康科技股份有限公司;
摘要：为解决当前检测技术中存在的准确性和时效性较低的问题，提出了一种改进的YOLOv5焊缝表面缺陷检测模型，在其Neck层加入自注意力机制CoTNet,有效减少特征点之间的冗余信息，加速模型的训练，引入BiFPN加权双向特征金字塔网络结构，加强对缺陷特征信息的融合，从而提高模型的检测性能。在自建全新的焊缝缺陷数据集上，通过消融实验对比分析改进的YOLOv5模型的检测性能，其中mAP@0.5比原YOLOv5模型提高了8.2%;通过与当前主流检测模型对比分析发现，改进的YOLOv5模型的mAP@0.5值比Faster-RCNN高8.5%,比SSD网络模型高22.3%,满足管道表面焊接缺陷的检测要求。
关键词：焊接缺陷检测;;目标识别;;YOLOv5;;自注意力机制;;BiFPN
基金资助：陕西省自然科学基金“管线钢焊接区组织与性能的预测”(2018JM5076);; 陕西省重点研发计划“钛合金钻杆连续驱动摩擦焊缝组织控制关键技术研究”(2022GY-224);; 西安石油大学研究生创新基金“基于ROS的焊缝缺陷在线识别方法研究”(YCS22214276)
