文献类型：期刊文章

作　　者：季娟娟[1] 王佳[1] 陈亚杰[2] 卢道华[1,3]

JI Juan-juan;WANG Jia;CHEN Ya-jie;LU Dao-hua(School of Mechanical Engineering,Jiangsu University of Science and Technology,Zhenjiang 212100,China;Shanghai Marine Equipment Research Institute,China Shipbuilding Industry Corporation,Shanghai 200031,China;Marine Equipment and Technology Institute,Jiangsu University of Science and Technology,Zhenjiang 212003,China)

机构地区：[1]江苏科技大学机械工程学院,江苏镇江212100 [2]中国船舶重工集团公司上海船舶设备研究所,上海200031 [3]江苏科技大学海洋装备研究院,江苏镇江212003

出　　处：《计算机工程与设计》

基　　金：国家重点研发计划基金项目(2018YFC0309100)。

年　　份：2023

卷　　号：44

期　　号：9

起止页码：2786-2793

语　　种：中文

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

摘　　要：针对热轧带钢表面缺陷尺寸差异大、部分缺陷特征相似,导致漏检、识别准确率低的问题,提出一种基于改进YOLO v4的热轧带钢表面缺陷检测算法。将模型的特征提取网络替换为MobileViT轻量化Transformer网络并添加自适应特征融合模块(ASFF),充分提取输入对象的全局、局部特征;采用K-Means++算法聚类生成更适合位置调整的先验框;通过改进的非极大值抑制算法降低漏检率。该方法在NEU-DET数据集上的平均精度较原YOLO v4算法提高了11.57%,FPS达到了45.7 frame/s。实验结果表明,改进后的算法在保证实时性的前提下,有效提高了检测精度。

关 键 词：热轧带钢 特征融合  深度学习  缺陷检测  聚类算法 目标检测 非极大值抑制

分 类 号：TP391]