基于改进YOLOv5s模型的金属表面缺陷检测方法

摘要

精密零件广泛应用于国防、医疗器械、航空航天、电子等产业，是实现“中国制造2025”宏伟蓝图的基础部件之一。然而，在精密零件的加工过程中，零件表面不可避免地会出现裂痕、点蚀表面、划痕等缺陷，导致零件质量和精度下降，进一步地影响设备性能和使用寿命。因此，零件表面缺陷的有效检测至关重要。为解决金属表面小目标缺陷漏检误检、精确度低的问题，文章设计了一种用于金属零件缺陷检测的改进YOLOv5s模型。首先，针对零件表面缺陷成像多为条纹状或点状特征、类型相对简单的特点，设计了一种轻量化的GhostC3模块，使用更少的参数，通过减少计算量生成特征图；其次，结合点蚀表面、轧制氧化皮等类型缺陷尺寸普遍偏小且分布不均匀的特点，设计一种基于双向特征金字塔网络BiFPN的Concat＿BiFPN模块，充分利用BiFPN对不同尺度特征的融合能力，提高小目标检测的精度和稳定性；最后，充分利用SIoU(Spatial Intersection over Union loss)惩罚函数同时考虑目标形状、空间关系的特点，更好地捕捉不同尺寸的目标在图像中的位置关系，从而提高目标位置的精确性。在NEU-DET数据集上的消融实验和对比实验表明，该方法在参数量大幅降低的情况下获得了更高的多类别平均精度。

关键词

表面缺陷检测 / YOLOv5s / 特征融合 / SIoU