基于改进YOLOv5的铝型材表面缺陷检测方法

针对铝型材表面缺陷不同类别尺寸差别较大，导致检测效果较差的情况，本文提出一种基于改进YOLOv5的铝型材表面缺陷检测算法。首先，在网络中嵌入CA(coordinate attention)注意力机制模块，使网络更好地抑制图像中无效样本的干扰，更多聚焦于有用信息；其次，在原有检测层上增加一个小目标检测层，获取和传递更为丰富且更具判别性的小目标特征，以解决对小目标缺陷检测精度低的问题，提高整体检测精度；最后，引入SIoU损失函数，用边界框回归之间的向量角度来重新定义损失函数，在有效减少总自由度损失的同时提高推理精度。将改进算法应用到天池铝型材数据集中进行验证，实验结果表明：该模型能有效识别铝型材表面不同种类的缺陷，较原YOLOv5算法mAP提高11.4个百分点，检测速度达到66.4 frame/s,能够满足目前铝型材工厂生产现场缺陷检测要求。