基于改进YOLOv5钢材表面缺陷检测技术

针对初始的YOLOv5目标检测算法对复杂目标中的缺陷特征提取不充分、定位不精确、检测精度低和漏检率高等问题,提出了改进的YOLOv5钢材表面缺陷检测算法。在锚框计算上,用K-Means++算法进行锚框选取,使得随机选取的聚类中心尽可能的趋于全局最优解,预测框更加精准。添加CBAM注意力机制,对复杂图像中的缺陷赋予更高的权重,增强对关键信息的关注度。通过实验对比后结果表明,改进后YOLOv5算法拥有更好的检测性能。