改进Steel-YOLO的钢材表面缺陷检测

摘要

钢材作为建筑业和制造业的基础原材料，钢材表面缺陷对产品质量具有较大影响.为了提高钢材表面缺陷检测的准确率，实现及时、精准的缺陷检测，本文提出一种改进的Steel-YOLO钢材表面缺陷检测算法.首先，在主干网络引入CI2f模块，通过引入新的卷积分支提高主干网络的特征提取能力；其次，在颈部网络引入特征融合模层DBALayer,通过双分支结构融合特征，提高颈部网络的特征提取能力；再次，引入EMA注意力机制，提高网络对于钢材表面缺陷处的关注度；最后，引入Wise＿IoU作为网络的损失函数，提高网络的收敛效果.实验结果表明：钢材表面缺陷检测网络Steel-YOLO的准确率为72.9%、召回率为67.7%、m_AP@50为70.7%、m_AP@50-95为35.8%,较YOLOv8网络分别提高了2.0%,3.9%,3.1%和1.8%.

关键词

缺陷检测 / 特征提取 / 特征融合 / 注意力机制 / 损失函数 / YOLOv8