机床与液压

作者：郭桂标，邢雪，刘宇琦，王超，孙明革

单位：吉林化工学院信息与控制工程学院；吉林化工学院信息与控制工程学院；吉林化工学院信息与控制工程学院；吉林化工学院信息与控制工程学院；吉林化工学院信息与控制工程学院

关键词：缺陷检测;BoTNet Transformer结构;Shuffle Attention(SA)注意力机制

基金：吉林省教育厅科学技术研究项目（产业化培育项目JJKH20230306CY）

针对石油厂油管表面缺陷检测存在检测精度低、速度慢和模型复杂等问题，提出一种SA-YOLO算法。以 YOLOv5s 模型为基础，对原数据集进行预处理，采用BoTNet Transformer结构代替Backbone特征主干的部分卷积，并用multi-head self-attention（MHSA）替换卷积层，以减少网络层，同时提高获取全局信息的能力；最后，将Shuffle Attention(SA)注意力机制融合到C3结构中，根据每个位置的重要性得到注意力权重，从而提高模型的泛化能力和计算效率，减少运行时间。实验结果表明：SA-YOLO算法在石油厂采集的数据集上的均值平均精度 (mAP)达到了93%，较原 YOLOv5s 算法提高了3.3%，检测速度以及检测精度均明显提高。

来源：2024年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第24期