基于改进YOLOv5s的铸坯表面缺陷检测系统

作     者：邓能辉 周秉国 张志杰 石杰 吴昆鹏 DENG Nenghui;ZHOU Bingguo;ZHANG Zhijie;SHI Jie;WU Kunpeng

作者机构：北京科技大学国家板带生产先进装备工程技术研究中心北京100083 北京科技大学设计研究院有限公司北京100083 六安钢铁控股集团有限公司安徽六安237400 

基　　金：国家自然科学基金(52004029) 广西科技重大专项(AA22068080) 

出 版 物：《仪表技术与传感器》 (Instrument Technique and Sensor)

年 卷 期：2023年第10期

页      码：72-78页

摘      要：针对目前连铸坯表面缺陷检测方法存在检测准确率和效率低的问题,提出了一种基于改进YOLOv5s的连铸坯表面缺陷检测系统。首先,基于CycleGAN的域迁移能力和冷轧样本集实现铸坯复杂背景的简单化。其次,利用Ghost网络和GhostBottleneck重新构建YOLOv5s的特征提取骨架以达到轻量化网络结构提高检测速度的目的。最后,在YOLOv5s颈部模块中嵌入SE注意力机制以提升缺陷关键信息捕捉能力,从而提高检测准确率。实验结果表明,改进YOLOv5s在铸坯表面图像数据集上mAP指标达到93.6%,相较于原始的YOLOv5s,mAP指标提升了2.9%,计算量降低了2.5 FLOPs。能够满足铸坯表面缺陷检测系统的实时要求及准确率指标,并且降低了部署所需的计算资源。

主 题 词：铸坯 缺陷检测 CycleGAN YOLOv5s Ghost GhostBottleneck SE注意力机制 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1002-1841.2023.10.014

馆 藏 号：203124540...