摘要： 活塞杆是工业设备上技术含量较高的关键部件，但目前为止对其表面缺陷的检测还是以人工检测为主。针对人工检测方法准确性差、效率低下的情况，提出了一种基于改进YOLOv5s的活塞杆表面缺陷检测技术。首先，在Backbone部分引入SE和CBAM双注意力机制，其中CBAM注意力机制与C3模块相结合形成了新CBAMC3模块，提升算法对于缺陷信息的提取能力，从而进一步提高算法精度；其次，改善激活函数为GELU函数避免梯度消失，使算法有较好表现；最后，使用GSConv卷积模块代替Neck部分中的Conv卷积模块，降低计算成本，并且引入VoV-GSCSP模块，减少算法参数量，在轻量化算法的同时保持精度。试验结果表明，改进的YOLOv5-CSGGV算法总平均精度达到了81.1%,较原YOLOv5s算法提升了6.3%,算法参数量相比YOLOv5-SC算法减少了14.7%,使检测速度和精度达到了更好平衡，满足活塞杆工业生产过程中缺陷检测的要求。

关键词: 注意力机制; 缺陷检测; YOLOv5s; 检测算法; 轻量化模型

中图分类号: 

• TG115

• TP391.41