关键词：缺陷检测;BoTNet Transformer结构;Shuffle Attention(SA)注意力机制
摘 要：针对石油厂油管表面缺陷检测存在检测精度低、速度慢和模型复杂等问题，提出一种SA-YOLO算法。以YOLOv5s模型为基础，对原数据集进行预处理，采用BoTNet Transformer结构代替Backbone特征主干的部分卷积，并用multi-head self-attention(MHSA)替换卷积层，以减少网络层，同时提高获取全局信息的能力；最后，将Shuffle Attention(SA)注意力机制融合到C3结构中，根据每个位置的重要性得到注意力权重，从而提高模型的泛化能力和计算效率，减少运行时间。实验结果表明：SA-YOLO算法在石油厂采集的数据集上的均值平均精度(mAP)达到了93%,较原YOLOv5s算法提高了3.3%,检测速度以及检测精度均明显提高。
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