基于改进YOLOv5s的齿轮表面缺陷检测

为解决传统齿轮表面缺陷检测精度低、速度慢等问题,设计了一种基于通道和空间的注意力机制的齿轮表面缺陷检测方法。在YOLOv5s网络模型的基础上引入卷积注意力模块,对特征在通道维度和空间维度上进行融合增强,增强缺陷区域特征并抑制背景区域特征,提高小目标的检测精度;同时改进了非极大值抑制的后处理方法,改进后的方法(DIOU_NMS)将预测框与真实框的重叠区域和2个框之间的中心点距离作为抑制原则,提升复杂背景下目标的检测精度。实验结果表明,该方法的平均精度均值mAP_0.5为90.3%,相比YOLOv5s提升了1%,检测速度FPS为75 f/s,模型大小为14.8 MB,满足齿轮表面缺陷检测实时性和准确性的需求。