基于YOLOv5s模型的轧钢表面缺陷检测

摘要

针对轧钢表面缺陷的智能识别与精准定位的技术难题,提出基于机器视觉和深度神经网络的目标检测方法.采用YOLOv5s作为表面缺陷检测的模型,以YOLOv5s在COCO数据集上训练好的权值作为初始权值,对YOLOv5s模型进行进一步训练,利用训练好的YOLOv5s模型实现轧钢表面缺陷类别的识别与定位.并与另两个YOLOv5模型的性能做对比.试验结果表明,基于YOLOv5s的轧钢表面缺陷检测模型可以有效检测6种不同形态的表面缺陷,测试精度P、召回率R、检测mAP分别达到0.722、0.773和0.776,从而有助于生产人员准确地把握轧钢的情况.