刘国庆，方成刚，黄德军，龙超

基于改进YOLOv5的试剂卡印刷缺陷检测算法

刘国庆1，方成刚1*，黄德军2，龙超1

（1.南京工业大学 机械与动力工程学院，南京 211800；2.南京紫城工程设计有限公司，南京 211800）

针对试剂卡生产企业采用人工分选印刷缺陷的试剂卡存在效率低、成本高、易漏检的问题，提出一种基于深度神经网络YOLOv5s的改进试剂卡印刷缺陷检测算法YOLOv5s-EF。通过图像预处理算法获得高质量的缺陷图像数据集，在YOLOv5s的主干特征提取网络中添加高效通道注意力（Efficient Channel Attention, ECA）机制，增强特征图中重要特征的表示能力；引入焦点损失函数（Focal Loss）来缓解正负样本不均衡的影响；结合印刷区域的定位结果，二次精确定位并构建方位特征向量，提出一种特征向量相似度匹配方法。实验结果表明，本文提出的试剂卡印刷缺陷检测算法在测试集上的检测平均准确度可以达到97.3%，速度为22.6帧/s。相较于其他网络模型，本文提出的方法可以实现对多种印刷缺陷的识别与定位，模型具有较好的检测速度和鲁棒性，有利于提高企业生产的智能化水平。

缺陷检测；YOLOv5s；深度学习；高效通道注意力机制；焦点损失函数

检测试剂卡是一种医疗产品，因其操作简单，非专业医疗技术人员也能轻松掌握，同时可为患者提供快速的检测服务，得到了广泛应用。检测试剂卡可分为上盖、底盖、试剂条三部分。尽管在生产过程中有完整成熟的工艺流程，且有专业技术人员进行把控，但在大批量生产时由于现有工艺的限制，印刷标志仍可能会出现露白、缺损、漏印、偏移、歪斜等缺陷，进而影响试剂卡的正常使用，甚至造成检测结果错误等严重影响。……