摘要：针对钢材表面缺陷检测过程中人工识别和传统图像处理方法存在的准确性差、实时性差等问题，以YOLOv5算法为基础，引入模糊c-均值聚类算法优化钢材表面缺陷数据集锚框聚类方法，提高真实框与先验框匹配度；引入解耦检测头实现回归和分类任务的分离；引入多谱通道注意力机制进一步提高钢材表面缺陷特征细节丰富度。实验结果表明，YOLOv5经过改进后，钢材表面缺陷检测精度均有一定程度的提升，平均精度均值可以达到83%，检测速度可以达到27.24，能够满足钢材表面缺陷检测准确性和实时性要求。

关键词：YOLOv5；表面缺陷检测；解耦头；聚类算法

DOI：10.12359/202408036

来源：《城市建设理论研究(电子版)》 - 2024年8期