武泽坤，叶晓娴，陈梦

基于改进YOLOv5的药用胶囊表面缺陷检测方法

武泽坤，叶晓娴，陈梦

（上海工程技术大学 艺术设计学院，上海 201620）

在质检过程中精确快速地检测到药用空心胶囊的表面缺陷。基于YOLOv5算法，针对模型网络参数量大和对长距离依赖关系的学习能力较弱的问题，提出在主干网络部分引入GhostNet模块和坐标注意力机制，使网络有效捕捉数据位置信息和通道信息的关系。实验结果表明，改进的网络结构能够在参数量下降为原来的57%的前提下，对药用胶囊表面的破损、印刷错误、孔洞、划痕、凹陷等5类缺陷的平均检测精度达到96.9%，相较于YOLOv5s提高了2.4个百分点，检测速度提升了12帧/s。文中方法能够有效对药用胶囊表面缺陷进行分类和定位，提高缺陷检测的准确率。

YOLOv5；胶囊；缺陷检测；注意力机制；GhostNet

在我国社会老龄化形势加剧的今天，每年药品的生产量不断上升。这对药品质量检测精度和速度提出更高的要求。药用胶囊作为被广泛使用的药物之一，随着生产规模的不断扩大，其生产过程中存在的表面缺陷问题时有发生，缺陷检测成为生产环节中的一大难点。

药用胶囊常见的表面缺陷有尺寸不正确、孔洞、凹陷、印刷缺失。目前，对药物生产的缺陷检测工作主要使用人工方式进行，但人工检测存在效率低、误检率高和漏检率高等问题，难以满足日益扩大的药物生产规模需求。

为了在保障药品生产质量的同时降低人工成本，制药企业亟待完成由人工检测向自动化检测的转型。……