仪器仪表学报

作者：刘艳菊，王秋霁，赵开峰，刘彦忠

单位：刘艳菊,1. 南京特殊教育师范学院数学与信息科学学院,,王秋霁,2. 齐齐哈尔大学计算机与控制工程学院,,赵开峰,2. 齐齐哈尔大学计算机与控制工程学院,,刘彦忠,2. 齐齐哈尔大学计算机与控制工程学院,

关键词：缺陷检测;YOLOv4;MobileNetv3;K-Means聚类

基金：国家自然科学基金青年基金项目(61403222)资助

热轧钢条的表面质量对成品至关重要,因此必须要严格控制热轧钢条的表面出现的缺陷。针对当前YOLOv4算法检测精度不高、对小范围信息表现较差等问题,提出一种改进YOLOv4自动检测方法。首先,将YOLOv4中特征提取网络CSPDarknet53换为轻量级深层神经网络MobileNetv3来提高检测速度,并且加强对检测目标特征提取以及减少梯度消失问题。其次,采用K-Means聚类生成适合本实验的先验框,有效提高学习效率,加快收敛速度。最后,对置信度损失进行重新定义,提出一种能够适应多尺度的损失函数,来解决因正负样本不平衡而导致检测效果差的问题。实验结果表明,该方法较原YOLOv4模型在热轧钢条的表面缺陷检测上的均值平均精度值提高约7.94%,速度提升约4.52f/s,在保证检测速度的基础上有效提高了精确度。

来源：2021年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第12期