Re-YOLOv5：一种基于结构重参数化的钢材缺陷检测方法.pdfVIP

测控技术

模式识别与人工智能２０２４４３３·９·

年第卷第期

ＲｅＹＯＬＯｖ５一种基于结构重参数化的钢材缺陷

：

检测方法

１１２１１

游大朋，杨静，张露，焦喜香，胡学进

１．２３０６０１２．２３００８８

（合肥学院人工智能与大数据学院，安徽合肥；合肥综合性国家科学中心人工智能研究院，安徽合肥）

摘要钢材在生产的过程中很容易产生裂纹斑点等缺陷而目前对于所产生缺陷的检测技术还不是很

：、，

成熟。为了实现对工业钢材生产过程中所产生的钢材缺陷进行实时鲁棒检测，以为基础，引入

ＹＯＬＯｖ５

，。，

了结构重参数化方法建立了ＲｅＹＯＬＯｖ５工业钢材缺陷检测模型在该模型中将ＹＯＬＯｖ５的Ｎｅｃｋ层

ＨｅａｄＨｅａｄ，，ＲｅｐＶＧＧ，。Ｂａｃｋｂｏｎｅ

与层合并为层用作预测并且加入模块和卷积层输出预测结果用作

特征提取可以在改善模型推理速度的同时提高检测准确率同时采用改进后的空间金字塔池化模块

，。，

对候选框进行分类和修正，以获取多尺度特征信息，并引入了有助于模型加深的模块。在

ＳＰＰＣＣＢＬ

公开的ＮＥＵＤＥＴ钢材缺陷图片数据集上进行测试，提出的模型的检测精度可达７７．８％，与基线模型

相比，实现了的精度提升，且单幅图片的推理时间仅为，满足工业生产实时性需求。

ＹＯＬＯｖ５ｓ６％８．９ｍｓ

此外该模型所占内存较小便于部署到工业设备中

，，。

关键词：结构重参数化；ＹＯＬＯｖ５；ＲｅｐＶＧＧ；钢材缺陷检测

：；：：（）

中图分类号ＴＰ３９１４１ＴＧ１４２１５文献标志码Ａ文章编号１０００－８８２９２０２４０３－０００９－１３

ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０６．２３９

ＲｅＹＯＬＯｖ５牶ａＭｅｔｈｏｄｏｆＳｔｅｅｌＤｅｆｅｃｔＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＳｔｒｕｃｔｕｒａｌ

ＲｅＰａｒａｍｅｔｅｒｉｚａｔｉｏｎ

１１２１１

ＹＯＵＤａｐｅｎｇ牞ＹＡＮＧＪｉｎ