文献类型：期刊文章

作　　者：徐镪[1] 朱洪锦[2] 范洪辉[2] 周红燕[1] 余光辉[1]

XU Qiang;ZHU Hongjin;FAN Honghui;ZHOU Hongyan;YU Guanghui(School of Mechanical Engineering,Jiangsu University of Technology,Changzhou,Jiangsu 213001,China;School of Computer Engineering,Jiangsu University of Technology,Changzhou,Jiangsu 213001,China)

机构地区：[1]江苏理工学院机械工程学院,江苏常州213001 [2]江苏理工学院计算机工程学院,江苏常州213001

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61806088);江苏高校青蓝工程项目;江苏研究生实践创新计划项目(No.SJCX19_072)。

年　　份：2020

卷　　号：56

期　　号：16

起止页码：265-272

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了提高工业自动化水平,对表面缺陷进行有效检测,提出了一种改进的YOLOv3(You Only Look Once)网络检测方法。使用轻量级网络(MobileNet)来代替YOLOv3原有网络中的密集连接网络(Darknet-53),适当减少参数量的提取;加入空洞卷积,提高网络对小目标缺陷的检测能力;在网络结构的最后一层卷积中加入了Inception结构,进一步减少参数总量并加深网络。改进后的网络在测试集上精准性比原有的YOLOv3网络提高了23.3%,实时性也提高了95.4%,在钢板表面缺陷检测中具有更好的应用前景。

关 键 词：YOLOv3  缺陷检测  轻量级 空洞卷积  INCEPTION

分 类 号：TP391.41]