改进YOLOv5模型的带钢表面缺陷检测方法

摘要

针对带钢表面缺陷检测中的漏检和精度较低问题，提出一种融合swin-transformer和坐标注意力（coordinateattention,CA）模块的改进YOLOv5模型检测方法。在YOLOv5模型的主干网络中引入swin-transformer特征提取模块，使主干网络更聚焦于图像全局特征信息的提取；在特征融合网络输出分支末端嵌入CA模块，进一步增强目标缺陷方向和位置信息的敏感度。研究结果表明：改进模型在NEU-DET数据集上的平均精度值（m AP）达到了77.6%，较原YOLOv5模型提高了3个百分点。改进模型提升了带钢表面缺陷检测精度，具有更好的缺陷检测能力。

关键词

带钢表面缺陷检测 / swin-transformer模块 / 坐标注意力模块 / YOLOv5网络