文献类型：期刊文章

作　　者：熊聪[1] 于安宁[1] 高兴华[1] 原森浩[1] 曾孝平[2]

Xiong Cong;Yu Anning;Gao Xinghua;Yuan Senhao;Zeng Xiaoping(School of Intelligent Technology and Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;School of Microelectronics and Communication Engineering,Chongqing University,Chongqing 400044,China)

机构地区：[1]重庆科技学院智能技术与工程学院,重庆401331 [2]重庆大学微电子与通信工程学院,重庆400044

出　　处：《电子测量技术》

基　　金：重庆市教委科学技术研究项目(KJQN202001523);重庆科技学院青年科学基金(CKRC2019042);重庆科技学院研究生科创项目(YKJCX2120816)资助。

年　　份：2023

卷　　号：46

期　　号：9

起止页码：151-157

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对工业生产中钢材表面背景复杂导致缺陷检测精度低的问题,本文提出一种基于改进YOLOX的钢材表面缺陷检测算法。首先,引入了Swin Transformer模块来捕获缺陷钢材表面区域全局上下文信息并提取更多差异化特征;其次,采用加权双向特征金字塔网络(BiFPN),能够方便、快速的进行跨尺度特征融合;最后,对原始目标定位损失函数进行改进,建立了一种融合边界框中心位置的CIoU损失函数从而实现目标框高精度定位。实验表明,算法在NEU-DET数据集上的mAP为80.7%,检测精度相较于原始YOLOX-S网络提高了6.2%,同时也明显高于一些其他主流算法,具有较高的准确率和实用性。

关 键 词：钢材表面  缺陷检测  YOLOX  BiFPN  Swin Transformer  

分 类 号：TP391.41]