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。