计算机工程

作者：黄硕清, 黄金贵

单位：湖南师范大学信息科学与工程学院, 湖南 长沙 410081

关键词：缺陷检测,特征增强,感受野块,YOLOv5方法

基金：国家自然科学基金面上项目(62077014)

钢材表面缺陷形状不规则、尺度不一、背景复杂等因素大大增加了钢材表面缺陷检测的难度。针对现有方法检测精度低、检测速度小、小目标缺陷难以检测等问题, 提出了一种基于感受野块(RFB)和YOLOv5特征增强融合改进的钢材表面缺陷检测(RFB-YOLOv5-E)模型, 以提高对钢材表面缺陷的识别率。首先, 对YOLOv5中的C3模块进行修改, 将其升级为C3s模块, 通过增加更多的梯度流分支来获取更多的梯度信息, 从而提高模型的准确度; 然后改进浅层特征提取网络, 添加特征增强函数以增大背景与缺陷间的差距, 再增加一个下采样层和一个检测头以扩大网络的深度和感受野, 进而提高特征提取的能力和检测能力; 此外, 还改进了RFB并替换YOLOv5主干网络中的空间金字塔池化(SPPF)模块, 通过模拟人类视觉进一步增大感受野, 进一步强化网络的特征提取能力。实验结果表明, RFB-YOLOv5-E算法在NEU-DET数据集上的均值平均精度(AmAP)达到了79.2%, 较原YOLOv5算法提高了8.5%, 检测速度为122帧/s, 实现了检测速度与检测精度更好的均衡。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期