标题：改进YOLOv5s在钢材表面缺陷检测中的应用
作者：杜豪天 李一凡 霍瑛 张铭 刘剑辉
作者单位：南京工程学院计算机工程学院，江苏 南京211167
关键字：缺陷检测；YOLOv5；注意力机制；FastAPI
摘要：针对YOLOv5s模型在工业生产中由于成像质量不佳，使得图片背景干扰性强以及小目标缺陷难以被模型识别等问题，提出了一种基于改进YOLOv5s模型的钢材表面缺陷检测方法，旨在提高检测的准确性与效率。首先，在YOLOv5s模型的Backbone层C3模块中引入轻量级注意力模块CBAM，增强了模型对复杂背景和小目标缺陷的识别能力；进一步，基于FastAPI框架开发了一个高性能原型系统，提供设置运行参数和检测结果展示等功能，显著提升了模型的可用性和易用性；最后，基于NEU-DET数据集进行实验，结果表明改进后模型的mAP@0.5达到82.1%，比原始YOLOv5s提高2%。