摘要： 在高铁制造过程中铝合金材料占比越来越高，铝合金型材表面的质量控制和管理是生产作业中极其重要的一环。采用YOLOv5算法对铝合金型材表面缺陷检测进行实验研究。实验数据集源于阿里云天池大数据创新大赛提供的铝合金型材表面缺陷数据集，为提升样本数据的质量和数量，进行了数据增强研究。此外，网络模型训练时初始锚框的选取决定了网络反向学习的有效性，影响模型的检测精度，为此提出将K-Means++算法应用到自适应锚框算法中，解决聚类过程中初始中心点的选取问题。实验证明，经过数据增强和自适应锚框算法优化之后，YOLOv5算法表现出了良好的性能，检测速度快，同时提升了检测精度，解决了小目标以及狭长目标召回率低的问题，为高铁车身铝合金型材质量检测提供了技术支撑。

关键词: YOLOv5算法; 数据增强; 铝合金型材表面缺陷; K-Means++算法

中图分类号: 

• TP391.41

• TG146.21