[1] [1] 曹义亲， 伍铭林， 徐露. 基于改进YOLOv5算法的钢材表面缺陷检测［J］. 图学学报， 2023， 44（2）： 335-345.CAOY Q， WUM L， XUL. Steel surface defect detection based on improved YOLOv5 algorithm［J］. Journal of Graphics， 2023， 44（2）： 335-345.（in Chinese）

[2] L S ZHOU, L M LIANG, X Q SHENG. GA-Net： ghost convolution adaptive fusion skin lesion segmentation network. Computers in Biology and Medicine, 164, 107273(2023).

[3] [3] 郭峰， 朱启兵， 黄敏， 等. 基于改进YOLOV4的陶瓷基板瑕疵检测［J］. 光学 精密工程， 2022， 30（13）： 1631-1641. doi: 10.37188/OPE.20223013.1631GUOF， ZHUQ B， HUANGM， et al. Defect detection in ceramic substrate based on improved YOLOV4［J］. Opt. Precision Eng.， 2022， 30（13）： 1631-1641.（in Chinese）. doi: 10.37188/OPE.20223013.1631

[4] [4] 陈亚芳， 廖飞， 黄新宇， 等. 多尺度YOLOv5的太阳能电池缺陷检测［J］. 光学 精密工程， 2023， 31（12）： 1804-1815. doi: 10.37188/OPE.20233112.1804CHENY F， LIAOF， HUANGX Y， et al. Multi-scale YOLOv5 for solar cell defect detection［J］. Opt. Precision Eng.， 2023， 31（12）： 1804-1815.（in Chinese）. doi: 10.37188/OPE.20233112.1804

[5] [5] 李少波， 杨静， 王铮， 等. 缺陷检测技术的发展与应用研究综述［J］. 自动化学报， 2020， 46（11）： 2319-2336. doi: 10.16383/j.aas.c180538LIS B， YANGJ， WANGZ， et al. Review of development and application of defect detection technology［J］. Acta Automatica Sinica， 2020， 46（11）： 2319-2336.（in Chinese）. doi: 10.16383/j.aas.c180538

[6] [6] 朱玉龙， 赵迎松， 方阳， 等. 孔边裂纹的旋转涡流检测［J］. 中国机械工程， 2023， 34（8）： 883-891. doi: 10.3969/j.issn.1004-132X.2023.08.001ZHUY L， ZHAOY S， FANGY， et al. Rotating eddy current testing for inspection of cracks at hole edge［J］. China Mechanical Engineering， 2023， 34（8）： 883-891.（in Chinese）. doi: 10.3969/j.issn.1004-132X.2023.08.001

[7] R GIRSHICK. Fast R-CNN, 1440-1448(2015).

[8] K M HE, G GKIOXARI, P DOLLÁR et al. Mask R-CNN, 2980-2988(2017).

[9] J REDMON, S DIVVALA, R GIRSHICK et al. You only look once： unified， real-time object detection, 779-788(2016).

[10] M HUSSAIN. YOLO-v1 to YOLO-v8， the rise of YOLO and its complementary nature toward digital manufacturing and industrial defect detection. Machines, 11, 677(2023).

[11] H M QIAN, H L WANG, S FENG et al. FESSD： SSD target detection based on feature fusion and feature enhancement. Journal of Real-Time Image Processing, 20, 2(2023).

[12] T Y LIN, P GOYAL, R GIRSHICK et al. Focal loss for dense object detection, 2999-3007(2017).

[13] T Y LIN, P DOLLÁR, R GIRSHICK et al. Feature pyramid networks for object detection, 936-944(2017).

[14] S LIU, L QI, H F QIN et al. Path aggregation network for instance segmentation, 8759-8768(2018).

[15] [15] 张利红， 蔡敬菊. 基于轻量化Yolov5算法的目标检测系统［J］. 计算机技术与发展， 2022， 32（11）： 134-139. doi: 10.3969/j.issn.1673-629X.2022.11.020ZHANGL H， CAIJ J. Target detection system based on lightweight Yolov5 algorithm［J］. Computer Technology and Development， 2022， 32（11）： 134-139.（in Chinese）. doi: 10.3969/j.issn.1673-629X.2022.11.020

[16] [16] 马燕婷， 赵红东， 阎超， 等. 改进YOLOv5网络的带钢表面缺陷检测方法［J］. 电子测量与仪器学报， 2022， 36（8）： 150-157. doi: 10.3390/met13081439MAY T， ZHAOH D， YANC， et al. Strip steel surface defect detection method by improved YOLOv5 network［J］. Journal of Electronic Measurement and Instrumentation， 2022， 36（8）： 150-157.（in Chinese）. doi: 10.3390/met13081439

[17] [17] 李成跃， 姚剑敏， 林志贤， 等. 基于改进YOLO轻量化网络的目标检测方法［J］. 激光与光电子学进展， 2020， 57（14）： 141003. doi: 10.3788/lop57.141003LIC Y， YAOJ M， LINZ X， et al. Object detection method based on improved YOLO lightweight network［J］. Laser & Optoelectronics Progress， 2020， 57（14）： 141003.（in Chinese）. doi: 10.3788/lop57.141003

[18] [18] 周彦， 孟江南， 王冬丽， 等. 基于多尺度轻量化注意力的钢材缺陷检测［J］. 控制与决策， 2024， 39（3）： 901-909.ZHOUY， MENGJ N， WANGD L， et al. Steel defect detection based on multi-scale lightweight attention［J］. Control and Decision， 2024， 39（3）： 901-909.（in Chinese）

[19] J W LIAN, J H HE, Y NIU et al. Fast and accurate detection of surface defect based on improved YOLOv4. Assembly Automation, 42, 134-146(2022).

[20] K HAN, Y H WANG, Q TIAN et al. GhostNet： more features from cheap operations, 1577-1586(2020).

[21] [21] 徐正军， 张强， 许亮. 一种基于改进YOLOv5s-Ghost网络的交通标志识别方法［J］. 光电子·激光， 2023， 34（1）： 52-61.XUZ J， ZHANGQ， XUL. A traffic sign recognition method based on improved YOLOv5s-Ghost network［J］. Journal of Optoelectronics·Laser， 2023， 34（1）： 52-61.（in Chinese）

[22] C Y WANG, A BOCHKOVSKIY, H Y M LIAO. YOLOv7： trainable bag-of-freebies sets new state-of-the-art for real-time object detectors, 7464-7475(2023).

[23] G Y YANG, J LEI, Z K ZHU et al. AFPN： Asymptotic Feature Pyramid Network for Object Detection. arXiv, 2306-15988(2023). http：//arxiv.org/abs/2306.15988

[24] S T LIU, D HUANG, Y H WANG. Learning Spatial Fusion for Single-Shot Object Detection. arXiv, 1911-09516(2019). http：//arxiv.org/abs/1911.09516

[25] D MISRA, T NALAMADA, A U ARASANIPALAI et al. Rotate to attend： convolutional triplet attention module, 3138-3147(2021).

[26] J HU, L SHEN, G SUN. Squeeze-and-excitation networks, 7132-7141(2018).

[27] J PARK, J Y LEE et al. CBAM： Convolutional Block Attention Module. Computer Vision-ECCV 2018, 3-19(2018).

[28] Y C LIU, Z R SHAO, N HOFFMANN. Global Attention Mechanism： Retain Information to Enhance Channel-Spatial Interactions. arXiv, 2112-05561(2021). http：//arxiv.org/abs/2112.05561

[29] Q B HOU, D Q ZHOU, J S FENG. Coordinate attention for efficient mobile network design, 13708-13717(2021).

[30] H L LI, J LI, H B WEI et al. Slim-Neck by GSConv： a Better Design Paradigm of Detector Architectures for Autonomous Vehicles. arXiv, 2206-02424(2022). http：//arxiv.org/abs/2206.02424