来源：期刊VIP网 时间：
作者：赵辉;陈志峰;章佳伟;李骁凡;魏震杨;
单位：广州大学物理与材料科学学院;广东天视智能科技有限公司;
摘要：金属零部件的表面缺陷检测是汽车等产品生产过程中的重要环节，以往采用人工检视或传统光学筛选方法，该方法难以满足现代工业生产的高效性和准确性要求。该研究源于校企协同育人的创新课题，从企业提出的实际问题出发，选取汽车喷油管表面缺陷作为研究案例。为了提高对弱小缺陷的检测准确率和速度，提出了一种基于YOLOv5轻量化模型的改进结构：YOLOv5n-STSL。该模型通过改进原模型中的卷积模块C3为C2f模块，在保证轻量化的同时获取了更丰富的梯度信息流；通过往浅层特征图移动检测分支，增加不同层次的特征融合，提高了弱小目标的特征提取和检测能力；同时改进锚框anchors的计算评估策略，确保锚框与真实缺陷的边界框有更高的匹配精度，从而提高定位和分类的准确性。实验表明，缺陷检测精度达到97.8%，相对于原基础模型YOLOv5n，检测精度提高了5%，最后将模型部署到嵌入式设备Jeston Nano，采用Tensor RT推理引擎加速推理实验，帧速可达21帧/s，更好地满足了金属表面缺陷自动检测实时性的应用需求。
关键词：缺陷检测;;模型改进;;YOLOv5n-STSL;;anchors;;设备部署
基金资助：广东省高等教育教学改革项目(2019-N466);; 广州市高等教育教学质量与教学改革工程-实践教学示范中心项目(2023SJJXZX001);; 广州大学2024年大学生创新训练项目(XJ202411078184)
