控制与决策

作者：周彦,孟江南,王冬丽,谭雅琴

单位：湘潭大学 自动化与电子信息学院,湖南 湘潭 411105,,湘潭大学 自动化与电子信息学院,湖南 湘潭 411105,,湘潭大学 自动化与电子信息学院,湖南 湘潭 411105,,湘潭大学 计算机学院cdot网络空间安全学院,湖南 湘潭 411105,

关键词：YOLOv5;钢材表面缺陷检测;注意力机制;金字塔多级注意力

基金：国家自然科学基金项目(61773330)；湖南省国家应用数学中心项目(2020YFA0712503)；湖南省教育厅科研项目(19C1740)；湖南省科技计划项目(2020GK2036)；上海市科委项目(19511120900).

针对当前YOLOv5算法检测钢材表面缺陷精度不高、速度慢等问题,提出一种基于多尺度轻量化注意力的YOLO-Steel钢材表面缺陷检测方法.首先,提出一种轻型通道注意力模块,仅需少量计算成本即可有效关注重要通道;然后,利用空洞卷积扩大感受提出一种轻型空间注意力模块,能够在空间维度上提取有价值信息;接着,提出金字塔注意力结构,利用多级池化放缩特征图在不同分辨率特征图上使用空间注意力模块学习其空间依赖信息,对多级特征图使用通道注意力模块重构其通道相关信息,改善检测效果.实验结果表明,YOLO-Steel在钢材表面缺陷数据集上平均精度均值(mAP)可达77.2%,比YOLOv5s算法提高1.8%,模型时间、空间复杂度与YOLOv5s基本持平,在保证检测速度的基础上能够有效提高精确度.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期