基于機(jī)器識別的帶鋼表面缺陷檢測研究

摘要： 針對傳統(tǒng)帶鋼表面缺陷檢測技術(shù)落后、效率不高及小目標(biāo)識別能力不足等問題，提出一種改進(jìn)的YOLOv5s-Tiny目標(biāo)檢測模型，在保持模型較小計算量的同時提升檢測速度和識別精度。通過將主干網(wǎng)絡(luò)GSP-Darknet53替換為輕量級GhostNet網(wǎng)絡(luò)，減少模型參數(shù)的數(shù)量，提高推理速度。在主干網(wǎng)絡(luò)加入CBAM注意力機(jī)制，通過通道注意力機(jī)制和空間注意力機(jī)制對特征信息進(jìn)行融合增強(qiáng)，提高小目... （共7頁）