基于改进YOLOv5s轻量化带钢表面缺陷检测方法

作     者：苏盈盈 何亚平 邓圆圆 刘兴华 阎垒 斯洪云 SU Yingying;HE Yaping;DENG Yuanyuan;LIU Xinghua;YAN Lei;SI Hongyun

作者机构：重庆科技大学电气工程学院重庆401331 

基　　金：重庆市自然科学基金项目(CSTB2022NSCQ-MSX1425) 重庆科技学院创新项目(YKJCX2220408)和重庆科技学院创新项目(YKJCX2320403) 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2024年第35卷第7期

页      码：723-730页

摘      要：针对YOLOv5s模型参数量大、难以在嵌入式设备上部署的问题,设计了一种轻量化的YOLOv5s带钢表面缺陷检测方法。首先将主干网络中的部分卷积层替换为多分枝结构的RepGhost,增强了主干对特征信息的提取能力,推理时可以转化为单分支结构,保证了检测速度。其次提出了一种轻量级的FPN网络(GG-FPN),其中的G-Ghost用于削减C3模块中的冗余参数,而GSConv则利用大卷积核的深度可分离卷积和分支结构,保证精度和速度的双提升。实验表明,在NEU-DET数据集上,GG-FPN模型参数量较原FPN减少了24.7%,GFLOPs降低了20.6%。对于整个模型,改进的算法mAP仅损失1.9%,参数量较YOLOv5s减少了37.5%,GFLOPs降低了33.1%,检测速度达到187 frame/s,更好地均衡了检测的速度与精度。

主 题 词：YOLOv5s G-Ghostnet 缺陷检测 RepGhost GSConv 轻量化模型 

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

D　O　I：10.16136/j.joel.2024.07.0163

馆 藏 号：203128240...