电子测量技术

作者：白先浪，张群利，辛志强

单位：1.东北林业大学家居与艺术设计学院 哈尔滨 150040;2.东北林业大学机电工程学院 哈尔滨 150040

关键词：皮革缺陷检测;深度学习;YOLOv5s;小目标增强;加权特征融合;注意力机制

基金：中央高校基本科研业务费专项资金(2572019BL01)项目资助

针对皮革表面缺陷纹理复杂多样，现有的缺陷检测方法存在检测精度低、漏检率和误检率高的问题，本文提出了一种基于YOLOv5s且融合了小目标检测方法与注意力机制的皮革缺陷检测算法。首先，在模型主干网络中引入多种注意力机制，使模型能够聚焦于缺陷区域，抑制背景和无关区域的干扰，增强模型的特征提取能力；其次，在颈部网络中构建加权双向特征金字塔网络，强化模型的特征融合与交互能力；最后，在头部网络中设计专门的小目标检测头，提升模型对细微缺陷特征的捕捉和定位能力。实验结果表明，所提改进方法的召回率和检测精度达到92.27%和92.16%，相较于基准模型分别提高了4.56%和3.06%。所提改进算法解决了以往缺陷检测算法在小目标检测任务中漏检率和误检率高的问题，显著增强了模型的泛化能力，使模型性能更加全面、稳健。

来源：2026年第3期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第3期