关键词：表面缺陷检测;YOLOv5;深度学习;特征融合
摘 要：针对YOLOv5对金属表面细小缺陷或微观缺陷的检测结果易受背景干扰的问题，提出了一种改进的金属表面缺陷检测算法。通过在主干网络引入坐标注意力机制，提高模型对缺陷的关注度；将主干网络中的一些CBS和C3模块替换为GhostNetV2结构构建轻量级的网络，优化模型的性能和效率；在Neck层采用双向特征融合网络(BiFPN)来增强颈部以产生丰富的表征，加深整个网络并重用低层次的特征。最后，广泛的实验结果表明，CGB-YOLO在NEU-DET上的精度达到75.0%mAP,比改进前提高了3.8%。该模型在金属表面缺陷检测中具有较好的综合性能。
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