针对人工和传统自动化算法检测牵引座焊缝表面存在检测精度低、速度低的问题,提出一种轻量型的牵引座焊缝表面质量检测算法YOLOv5s-G2CW。首先,用GhostBottleneckV2模块替换YOLOv5s中的C3模块以降低模型的参数量;其次,在YOLOv5s模型的Neck部分引入CBAM(Convolutional Block Attention Module),在通道和空间两个维度上融合焊缝特征;然后将YOLOv5s的定位损失函数改进为Wise-IoU以聚焦普通质量锚框的预测回归;最后移除YOLOv5s模型中用于大物体检测的
特征层以进一步降低模型的参数量。实验结果表明,与YOLOv5s模型相比,YOLOv5s-G2CW的模型大小减小了53.9%,帧率提高了8.0%,平均精度均值(mAP)提高了0.8个百分点,能够满足牵引座焊缝表面质量检测的准确性和实时性要求。