基于YOLOv5的小型铝铸件涡轮缺陷检测

针对小型铝铸件涡轮表面复杂、缺陷过小,难以检测的问题,提出一种改进YOLOv5的小型铝铸件涡轮表面缺陷检测算法。图像预处理采用数据增强策略平衡不同类别样本的分布;使用K-means++算法得到适合本数据集的最佳先验框;对网络的特征提取结构进行改进,在主干网络中添加CA注意力机制模块,帮助模型更加准确的定位和识别;添加小目标检测层,增强对小物体的检测效果。结果表明,改进的算法对小目标缺陷拥有更好的检测效果,平均精度均值(mAP)达到97.8%,满足智能制造自动化生产的需求。