摘要： 为解决传统齿轮表面缺陷检测精度低、速度慢等问题，设计了一种基于通道和空间的注意力机制的齿轮表面缺陷检测方法。在YOLOv5s网络模型的基础上引入卷积注意力模块，对特征在通道维度和空间维度上进行融合增强，增强缺陷区域特征并抑制背景区域特征，提高小目标的检测精度；同时改进了非极大值抑制的后处理方法，改进后的方法(DIOU＿NMS)将预测框与真实框的重叠区域和2个框之间的中心点距离作为抑制原则，提升复杂背景下目标的检测精度。实验结果表明，该方法的平均精度均值mAP＿0.5为90.3%,相比YOLOv5s提升了1%,检测速度FPS为75 f/s,模型大小为14.8 MB,满足齿轮表面缺陷检测实时性和准确性的需求。

关键词: 注意力机制;YOLOv5s网络模型;非极值抑制方法;后处理;缺陷检测

中图分类号: 

• TH132.41

• TP391.41