基于改进YOLOv5s的金属表面缺陷检测
作者机构：南京工程学院人工智能产业技术研究院 江苏省智能感知技术与装备工程研究中心
出 版 物：《计算机测量与控制》 (Computer Measurement & Control)
年 卷 期：2025年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：目标检测 金属表面缺陷 深度学习 损失函数 注意力机制
摘 要：金属表面缺陷在飞机和航天器制造等领域易致结构失效，带来巨大的事故风险。针对传统YOLOv5s算法检测金属表面冲孔、丝状斑点、月牙形缺口等性能差的问题，现提出一种改进的YOLOv5s算法。该算法将Ghost网络加入到Backbone部分；在Neck网络中增加了MHSA注意力机制；将原损失函数替换为DIOU。经实验验证，改进后的网络与原网络相比，mAP@0.5提升了3.2%；提高了模型的检测精度并且误检、漏检率低，证实了该方法在金属表面缺陷检测上的有效性。
同方期刊数据库