文献类型：期刊文章

作　　者：李金灵[1] 李维刚[1] 陈燕才[2] 胡晟蓝[2] 邱碧涛[2]

LI Jinling;LI Weigang;CHEN Yancai;HU Shenglan;QIU Bitao(College of Information Science and Engineering,Wuhan University of Science and Technology,Wuhan 430081,Hubei,China;Wuhan Iron and Steel Co.,Ltd.,Wuhan 430081,Hubei,China)

机构地区：[1]武汉科技大学信息科学与工程学院,湖北武汉430081 [2]武汉钢铁有限公司,湖北武汉430081

出　　处：《钢铁研究学报》

基　　金：国家自然科学基金资助项目(51774219)。

年　　份：2023

卷　　号：35

期　　号：6

起止页码：767-777

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对热轧带钢表面缺陷检测精度低的问题,提出一种改进的YOLOv5算法。首先,设计了一种多尺度融合平行骨干网络,其中,辅助骨干中的各个特征层经过转换,作为输入逐级复合连接到主骨干的各个特征层,利用辅助骨干提高主骨干的表达能力,从而提升了网络的表达能力;其次,在骨干网络和颈部中引入基于内容感知的特征重组模块(content-aware reassembly of features,CARAFE),获取检测任务所需的丰富语义信息,改善上采样语义信息丢失的问题;最后,在多尺度融合平行骨干中加入坐标注意力模块(coordinate attention,CA),增强网络的特征提取能力,更加准确定位目标位置。实验结果表明,改进后的YOLOv5算法在武钢热轧带钢表面缺陷数据集上平均准确率(mean average precision,mAP)达到93.1%,较原始YOLOv5算法提升3.9%,检测速度FPS保持在78.4,具有较高的检测精度。

关 键 词：热轧带钢 表面检测  YOLOv5  坐标注意力  特征融合  

分 类 号：TP391.41] TG142.1[计算机类]