基于機(jī)器識(shí)別的帶鋼表面缺陷檢測(cè)研究

摘要： 針對(duì)傳統(tǒng)帶鋼表面缺陷檢測(cè)技術(shù)落后、效率不高及小目標(biāo)識(shí)別能力不足等問(wèn)題，提出一種改進(jìn)的YOLOv5s-Tiny目標(biāo)檢測(cè)模型，在保持模型較小計(jì)算量的同時(shí)提升檢測(cè)速度和識(shí)別精度。通過(guò)將主干網(wǎng)絡(luò)GSP-Darknet53替換為輕量級(jí)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(guò)通道注意力機(jī)制和空間注意力機(jī)制對(duì)特征信息進(jìn)行融合增強(qiáng)，提高小目...