基于YOLOv5的钢材缺陷检测算法

打开文本图片集

摘要：针对钢材表面缺陷检测算法存在精度低、参数多等问题，提出一种改进的YOLOv5s的钢材表面检测算法。首先，在主干网络SPPF（spatial pyramid pooling-fast）上一层引入CA（coordinate attention）注意力机制，以提高检测精度，增强网络的检测性能；其次，将原来的主干网络替换为EfficientNetV2结构，以提高模型检测速度，减小参数量，降低计算复杂度；最后，在Neck层加入Biformer注意力机制，以减小背景对检测结果的影响，高效地获得更多特征，提高检测精度。（剩余7950字）