47 / 2025-05-13 15:34:40

YOLOv10-CBAM: Lightweight Metal Surface Defect Detection Based on YOLOv10

YOLOv10, metal surface defects, lightweight, industrial edge devices

为了解决在边缘设备上部署金属表面缺陷检测算法、特征表示不足和样本中类别不平衡的挑战，本研究提出了一种名为 YOLOv10-CBAM （You Only Look Once version 10 with Convolutional Block Attention Module） 的轻量级缺陷检测算法。首先，YOLOv10 的原始骨干网络被更轻量级的骨干 MobileNetV3 取代，在保持准确性的同时，显著减小了模型体积。其次，将 CBAM（Convolutional Block Attention Module）注意力机制集成到 YOLOv10 neck 网络的 C2f 模块中，以捕获空间和通道信息，从而增强模型的表示能力。最后，引入 Focal-EIOU （Focal and Efficient Intersection over Union） 损失函数来替代原来的 CIOU （Complete Intersection over Union） 损失，提高了模型的收敛速度和回归精度。在 GC10-DET 数据集上的实验结果表明，所提模型实现了 90.4% 的精度 （P） 、81.2% 的召回率 （R） 和 263 帧/秒 （FPS） 的推理速度，与原始模型相比分别提高了 2.9%、3.6% 和 18.6%。这些结果表明，所提出的 YOLOv10-CBAM 模型在工业边缘设备上部署的巨大潜力。