关键词：YOLOv5;缺陷检测;注意力机制;钢材表面缺陷
摘 要：根据以往钢铁表面缺陷检测技术的检测效能较低、准确性低的情况，提出一种改进YOLOv5s的钢材表面缺陷检测算法。主要改进为：加入坐标注意力机制(coordinate attention, CA)的空洞空间卷积池化金字塔(atrous spatial pyramid pooling, ASPP),扩大模型感受野和多尺度感知能力的同时能更好地获取特征位置信息；加入改进的选择性内核注意力机制(selective kernel attention, SK),使模型能更好地利用特征图中的频率信息，提升模型的表达能力；将损失函数替换为SIoU(SCYLLA-IoU),提升模型性能的同时加快模型的收敛。实验数据表明，改进的YOLOv5s网络模型在NEU-DET数据集上的mAP(mean average precision)值为78.13%,相比原网络模型提高了2.85%。改进的模型具有良好的检测型性能的同时检测速度为103.9 frame/s,能够满足实际应用场景中钢材表面缺陷实时检测的需求。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取