基于位置感应卷积与注意力机制的钢材缺陷检测

摘要

为了提高钢材缺陷检测精度，提出一种基于YOLOv5s的缺陷检测算法YOLOv5sFNCE.首先，在骨干特征提取网络中加入新型NAMAttention注意力机制，提高对目标的感知和区分能力；并提出新型的C3-Faster，通过减小内存访问和冗余计算更有效地提取特征；在特征融合网络和输出端引入位置卷积CoordConvs，增强目标的语义感知能力和全局感知能力；最后，引入新的损失函数Focal-EIoU，以加快收敛速度，提高回归精度.实验结果表明，YOLOv5sFNCE算法在钢材表面缺陷数据集上的均值平均精度达到了75.1%，比原始YOLOv5s提高了1.7个百分点，检测速度则提升了20.5%，证明了该算法在钢材缺陷检测中能够有效提升检测速度和检测精度.

关键词

目标检测 / YOLOv5 / 位置感应 / 损失函数 / 注意力机制 / 钢材缺陷