基于改进YOLOv5的磁瓦表面缺陷检测方法研究

磁瓦的表面缺陷检测是生产环节的重要部分。针对传统的磁瓦表面目标缺陷检测存在精度低下、速度缓慢、小目标检测难度大等问题，首先采用YOLOv5s作为基础的网络，用改进后的CombinedE ffi cientNetV2网络来代替原YOLOv5中的CSPDarknet网络，让网络更加轻量化的同时检测速度有所提高。其次，将Ciou损失函数替换成性能更好的Focal-Eiou损失函数，提高对磁瓦表面的缺陷提取校正能力。最后，在网络中结合改进后的双Shu ffl eAttention注意力机制，并将激活函数替换成GeLU，让网络能关注到重要位置。通过多次训练网络，与FastRCNN、YOLOv3、SSD、原YOLOv5算法进行对比，P和mAP有不同程度的提升。结果表明，相较于原YOLOv5，改进后的算法mAP提高了3.9%,P提高了4%,FPS达到了41.3帧/s，能满足磁瓦生产线中的缺陷检测需求。