计算机应用

作者：孙泽强, 陈炳才, 崔晓博, 王磊, 陆雅诺

单位：1.新疆师范大学 计算机科学技术学院，乌鲁木齐 830054；2.大连理工大学 计算机科学与技术学院，辽宁 大连 116024

关键词：YOLOv5,频域注意力机制,解耦头,锚框,聚类算法,表面缺陷检测

基金：国家自然科学基金资助项目（61961040，61771089）；新疆自治区区域协同创新专项（科技援疆计划）（2020E0247，2019E0214）。

针对带钢表面缺陷在实际场景中检测精度低，易出现漏检和误检的情况，构建一种YOLOv5-CFD模型对带钢缺陷目标进行更精确的检测，该模型由CSPDarknet53、FcaNet与解耦检测头（Decoupled head）组成。首先，采用模糊C均值（FCM）算法对东北大学公开的NEU-DET热轧带钢表面缺陷检测数据集中的锚框进行聚类，优化先验框和真实框之间的匹配度；其次，为提取目标区域丰富的细节信息，在原始YOLOv5算法基础上添加频域通道注意力模块FcaNet；最后，采用解耦检测头将分类任务和回归任务分离。在NEU-DET数据集上的实验结果表明，改进的YOLOv5算法在引入较少参数量的情况下，检测精度提高了4.2个百分点，平均精度均值（mAP）达到85.5%，每秒传输帧数（Frames Per Second，FPS）达到27.71，与原YOLOv5相差不大，能够满足检测实时性的要求。

来源：2023年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第1期