轻量化带钢表面缺陷模型

手机端部署 检测更快

用改进的 YOLOv5 框架，模型体积缩小近四成，还能在手机等移动设备上快速精准地找出带钢表面的缺陷类型和位置。

Yan, Lu · 黄志超 · 蒋裕强 · Guang-Rui, Liu · Jiaxuan, Wang · Qi-Ming, Ma

Materials Today Communications 2024

参数信息

模型体积减小率

37.9 %

平均精度均值

77.5 %

检测精度提升

7.3 %

技术优势

模型更小

用 GhostBottleneck 替换原 C3 模块和部分卷积结构，大幅减少参数量和计算量，模型体积减小 37.9%，便于在移动设备上部署。

精度更高

引入坐标注意力机制（CA）弥补原模型注意力机制的缺失，mAP 达到 77.5%，比原 YOLOv5s 提升 7.3%。

定位更准

改进损失函数解决了预测框与实际框的角度不匹配问题，提升了缺陷定位的准确性。

应用场景

• 带钢表面缺陷检测：快速识别缺陷类型和位置，替代人工目检，提升质检效率和准确性。
• 工业质检：轻量模型可部署于手机或边缘设备，实现在线实时质检，降低硬件成本。