基于轻量化网络GD-YOLOv5的铝材表面缺陷检测方法

针对铝材表面缺陷检测时存在参数量大和检测性能低的问题,提出了基于轻量化网络的GD-YOLOv5铝材表面缺陷检测方法。首先,通过融合组卷积、深度可分离卷积和shuffle操作,设计了轻量化卷积模块GDConv。其次,在GDConv的基础上设计了GD Bottleneck结构。最后,利用一次性聚合方法来设计跨级部分网络GDCSP模块。这能够显著降低网络参数量,同时增强对铝材表面缺陷深层特征的提取能力。实验结果表明,GD-YOLOv5在网络性能方面优于YOLOv5。GD-YOLOv5模型在铝材数据集的平均精度均值(mAP@0.5)分别为89.6%,与YOLOv5相比,参数量降低了54.3%,mAP@0.5提高了2.1%,为铝材表面缺陷的高效检测提供了新的解决方法。