摘要：实木板材在世界范围内被广泛地应用于建筑、家居、艺术等领域,由于板材表面存在着影响其性能的不同种类的缺陷,而人工去除实木板材缺陷生产效率较低,质量无法保证。为了解决实木板材表面缺陷检测中存在的效率低下及过分依靠工人主观判断的问题,将机器视觉和深度学习方法相结合,利用机器代替人对实木板材进行缺陷检测。具体使用彩色CCD相机采集了赤松和樟子松两种实木板材,裁剪成共计1500张大小为2048×2048像素的木材图片,图片中包含着活节、死节、髓心及裂缝缺陷。在YOLOv5结构基础上,受到了Vision Transformer的启发,在主干网络中使用了全局注意力模块来改进算法,并且针对实木板材的横向锯切方式修改了损失函数,以求在实木板材缺陷检测锯切这一任务中获得更好的效果。充分训练后在测试集上整体mAP达到0.974,召回率达到0.946,较未改进的YOLOv5分别提高了5.98%和9.36%,表现出一定优越性。