基于改进YOLOv5s的轻量化钢材表面缺陷检测模型.pdfVIP

测控技术

模式识别与人工智能2025年第44卷第6期·25·

基于改进YOLOv5s的轻量化钢材表面缺陷检测模型

王同康，高天，乔文涛2*，香超，张隆3

（1.石家庄铁道大学土木工程学院，河北石家庄050043；

2.石家庄铁道大学道路与铁道工程安全保障省部共建教育部重点实验室，河北石家庄050043；

3.河北工程技术学院土木与建筑学院,河北石家庄050091)

摘要：针对当前钢材表面缺陷检测模型存在的结构复杂、参数量大、实时性差和检测精度不高等问题，提

出了一种基于改进YOLOv5s的轻量化模型。该模型首先将YOLOv5的主干网络替换为MobileNetV3，

以实现模型轻量化并提升检测速度。其次，引入在线卷积重参数化（OnlineConvolutionalRe-parameter-

ization,OREPA)技术,进一步降低了训练成本，并使用K-means++算法聚类先验框来提高先验框聚类

的准确性和收敛速度。最后，采用EIoU（ExtendedIntersectionoverUnion）代替CloU

tionoverUnion)损失函数,加快了收敛并改善了回归精度。实验数据表明，相较于原始YOLOv5s模型，

改进后模型的平均精度均值提高2.8个百分点，参数量减少84.0%，体积减小81.4%，检测速度提升

60.8%，实现了模型轻量化和检测精度的平衡，易于部署，可满足钢材实际生产中实时检测的需求。

关键词：钢材表面缺陷检测；YOLOv5s；轻量化模型;MobileNetV3

中图分类号：TP391文献标志码：A文章编号:1000-8829(2025)06-0025-07

doi:10.19708/j.ckjs.2025.03.216

LightweightModelforSteelSurfaceDefectDetectionBasedon

ImprovedYOLOv5s

1,3

WANGTongkang,GAOTian,QIAOWentao*2,XIANGChao,ZHANGLong

(1.SchoolofCivilEngineering,ShijiazhuangTiedaoUniversity,Shijiazhuang050043,China;2.KeyLaboratoryof

RoadsandRailwayEngineeringSafetyControl,MinistryofEducation,ShijiazhuangTiedaoUniversity,Shijiazhuang050043,China;

3.SchoolofCivilEngineeringandArchitecture,HebeiUniversityofEngineeringScience,Shijiazhuang050091,China)

Abstract:AlightweightmodelbasedonimprovedYOLOv5sisproposedtoaddresstheproblemsofcomplex

structures,largeparameterquantity,poorreal-timeperformance,andlowdetectionaccuracyinthecurrent

steelsurfacedefectdetectionmodels.Firstly