声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2133/TF
国际刊号：1001-0963
发布日期:
作者：李金灵，李维刚，陈燕才，胡晟蓝，邱碧涛
单位：1.武汉科技大学信息科学与工程学院，湖北武汉430081；2.武汉钢铁有限公司，湖北武汉430081
关键词：关键词：热轧带钢,表面检测,YOLOv5,坐标注意力,特征融合
摘要：针对热轧带钢表面缺陷检测精度低的问题，提出一种改进的YOLOv5算法。首先，设计了一种多尺度融合平行骨干网络，其中，辅助骨干中的各个特征层经过转换，作为输入逐级复合连接到主骨干的各个特征层，利用辅助骨干提高主骨干的表达能力，从而提升了网络的表达能力；其次，在骨干网络和颈部中引入基于内容感知的特征重组模块（content?aware reassembly of features，CARAFE），获取检测任务所需的丰富语义信息，改善上采样语义信息丢失的问题；最后，在多尺度融合平行骨干中加入坐标注意力模块（coordinate attention，CA），增强网络的特征提取能力，更加准确定位目标位置。实验结果表明，改进后的YOLOv5算法在武钢热轧带钢表面缺陷数据集上平均准确率（mean average precision，mAP）达到93.1%，较原始YOLOv5算法提升3.9%，检测速度FPS保持在78.4，具有较高的检测精度。
来源：2023年第6期
《钢铁研究学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。