文献类型：期刊文章

作　　者：刘艳菊[1] 王秋霁[2] 赵开峰[2] 刘彦忠[2]

Liu Yanju;Wang Qiuji;Zhao Kaifeng;Liu Yanzhong(School of Mathematics and Information Science,Nanjing Normal University of Special Education,Nanjing 210038,China;School of Computer and Control Engineering,Qiqihar University,Qiqihar 161000,China)

机构地区：[1]南京特殊教育师范学院数学与信息科学学院,南京210038 [2]齐齐哈尔大学计算机与控制工程学院,齐齐哈尔161000

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金青年基金项目(61403222)资助。

年　　份：2021

卷　　号：42

期　　号：12

起止页码：211-219

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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4.52 f/s,在保证检测速度的基础上有效提高了精确度。

关 键 词：缺陷检测  YOLOv4  MobileNetv3  K-MEANS聚类

分 类 号：TP391.41] TH878[计算机类]