摘要:針對鋼材表面缺陷檢測過程中人工識別和傳統(tǒng)圖像處理方法存在的準(zhǔn)確性差、實時性差等問題,以YOLOv5算法為基礎(chǔ),引入模糊c-均值聚類算法優(yōu)化鋼材表面缺陷數(shù)據(jù)集錨框聚類方法,提高真實框與先驗框匹配度;引入解耦檢測頭實現(xiàn)回歸和分類任務(wù)的分離;引入多譜通道注意力機制進一步提高鋼材表面缺陷特征細(xì)節(jié)豐富度。實驗結(jié)果表明,YOLOv5經(jīng)過改進后,鋼材表面缺陷檢測精度均有一定程度的提升,平均精度均值可以達(dá)到83%,檢測速度可以達(dá)到27.24,能夠滿足鋼材表面缺陷檢測準(zhǔn)確性和實時性要求。

