关键词：钢铁表面;缺陷检测;EBS-YOLO;SENet
摘 要：随着人工智能在工业检测领域的应用日益增加，如何快速准确地检测缺陷成为了一个热点问题。钢铁是一种重要的工业原材料，针对钢铁表面缺陷的检测问题，提出了一种基于YOLOv5的改进模型。该模型主要有2点改进：一是在头部加入SENet（压缩和激励网络）注意力机制，增强全局检测能力，使模型能够学习不同通道的权重信息；二是加入EVC（显性视觉中心）模块，使得模型在关注全局信息的同时，也不忽略层内局部特征和角部信息。使用了公开的数据集NEU-DET（东北大学缺陷检测任务）验证了其可行性，试验结果表明，EBS-YOLOv5模型比起YOLOv5s的准确率有了较明显的提升，mAP50（平均精度指标）提高了6.2%，仍然保持了154的检测帧率，满足工业场景下对钢铁表面的检测需求。
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