改进YOLOv5的工业产品表面缺陷检测方法

刘兆英; 陈志远; 张婷; 时亚南; 陈迎春

doi:10.13705/j.issn.1671-6833.2025.02.020

郑州大学学报（工学版） ›› 2025, Vol. 46 ›› Issue (05) : 18 -25. DOI: 10.13705/j.issn.1671-6833.2025.02.020

改进YOLOv5的工业产品表面缺陷检测方法

刘兆英, 陈志远, 张婷, 时亚南, 陈迎春

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对工业场景下资源受限且表面缺陷图像对比度低的问题，提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先，在骨干网络中引入感受野增强模块，用于从不同层次的感受野提取更丰富的视觉特征；其次，在特征融合网络中添加混洗注意力模块，更有效地对不同维度的特征图进行融合；最后，采取了任务解耦检测头，使分类和回归两个任务采用相互独立的网络进行预测，降低彼此的干扰，提升检测精度。实验结果表明：该网络的参数量和计算量均低于YOLOX、YOLOv7、deformable DETR等模型，且在管道数字射线(DR)缺陷图像数据集PDD和NEU-DET数据集上，mAP@0.5分别提高2.23百分点和2.99百分点，兼顾了工业场景下对缺陷检测实时性和精确性的要求。