关键词：目标检测;损失函数;YOLOv5s算法;注意力机制;焊点识别
摘 要：针对传统的基于机器视觉的汽车焊点检测中焊点不规则及易受环境光线影响导致产生漏检错检的问题，该文提出一种改进YOLOv5s的算法YOLOv5s＿CB＿SI。该算法通过在主干网络Backbone引入CBAM卷积注意力机制以提高模型对图像重要区域信息的关注度和对目标缺陷的学习能力，并引入SIoU定位损失函数，加快模型的收敛速度，而且有效提升模型检测及定位的能力。将改进后的算法与YOLOv5s法在焊点数据集上作对比，实验结果表明，该文提出的算法与原始算法相比精确率和召回率分别提升了4.8%和2%，在有效地提升了在焊点检测过程中的准确率的同时减少了错检漏检率，证明了改进后模型的有效性。
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