关键词：缺陷检测;YOLOv5s;全局注意力机制;空间特征融合;RepVGG
摘 要：针对当前石油储罐表面缺陷检测算法在实际应用中存在检测精度低、效率慢等问题，提出一种基于改进YOLOv5s的石油储罐表面缺陷检测算法。通过融合全局注意力机制(GAM)与C3结构，有效减少信息弥散，同时放大全局维交互特征，提高检测效率。将主干网络的部分卷积层替换为改进后的轻量化网络RepVGG,增强主干网络的特征提取能力。最后，使用基于自适应空间特征融合(ASFF)机制提高特征的尺度不变性，使浅层和深层的特征图更合理地进行融合。实验结果表明：改进后的算法在石油产业自采数据集上的均值平均精度(mAP)为92.5%,较原始YOLOv5s提升2.8%;同时，检测精度达到89.8%,较原始YOLOv5s提升4.9%,进一步满足了对石油储罐表面缺陷检测的需求。
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