改进YOLO的钢材表面缺陷检测算法

钢材表面缺陷检测是确保钢材生产质量的重要环节。针对钢材表面缺陷检测中存在检测精度低和特征提取能力不足等问题,提出一种改进YOLOv5s的钢材缺陷检测算法YOLOv5s-STCD。首先,将主干提取网络的最后一个C3模块与Swin Transformer结构融合,以增强模型的特征提取能力;其次,通过引入坐标注意力(CA)机制,提升模型对重要特征的关注程度;然后,使用解耦头替换YOLOv5s中的检测头,将分类任务和回归任务分离;最后,将CIoU损失函数替换为SIoU函数,进一步提升模型的检测性能。在数据增强后的GC10-DET数据集上进行实验,结果表明,改进后的YOLOv5s-STCD模型检测的精确率为92.1%,平均检测精度为84.8%,相比原YOLOv5s算法提升了5.6%和3%,检测速度为49.26 f/s,更好地满足了钢材表面缺陷检测的需求。