改进YOLOv3算法的筷子毛刺缺陷检测方法

• 作者: 何自芬 张印辉 陈俊松
• 来源期刊: 食品与机械
• 关键词: YOLO网络 筷子毛刺检测 卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机械与控制
• 页码范围: 133-138
• 页数: 6页
• 字数: 5023字
• 语种: 中文
• DOI: 10.13652/j.issn.1003-5788.2020.03.026

摘要

针对目前筷子质量检测机器并不能对带有毛刺的筷子进行有效分拣这一问题,提出了一种基于改进YOLOv3算法的筷子毛刺缺陷检测方法.通过删除YOLOv3网络多尺度检测中的32倍降采样的检测层,在YOLOv3网络中增加4倍降采样层,进一步得到深层特征并与第二次下采样中的浅层特征进行融合,让网络同时学习深层和浅层特征、重新聚类anchor box尺寸、改变YOLOv3网络的超参数,如减小抖动、减小权重衰减正则项、增大批尺寸、选择合适的动量值等方法,对原网络进行改进.当交并比(IOU)为50时改进后网络的平均检测精度由89％提升到了94％,查准率提高了4％,查全率提高了9％,平均IOU提高了3.5％,平均检测速度由16.8帧/s增加到了21.0帧/s.试验结果表明,该方法相对于传统筷子质检机具有更高的检测效率,能满足筷子毛刺缺陷的检测需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何自芬	昆明理工大学机电工程学院	33	122	6.0	10.0
2	张印辉	昆明理工大学机电工程学院	40	190	8.0	13.0
3	陈俊松	昆明理工大学机电工程学院	4	4	1.0	2.0