基于CutMix和YOLOv3的工件表面小缺陷识别方法

• 作者: 邢俊杰 贾民平 许飞云 胡建中
• 来源期刊: 东南大学学报（英文版）
• 关键词: 机器视觉 图像识别 卷积神经网络 缺陷检测
• 年，卷（期）: 2021,（2）
• 页码范围: 128-136
• 页数: 9页
• 分类号: TP29
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2021.02.002

摘要

针对工件表面小缺陷经常由于数量少且视觉特征不明显而导致的被漏检和错判的问题,提出一种基于CutMix和YOLOv3的工件表面小缺陷识别方法CSYOLOv3.使用贝塔分布动态调整的CutMix方法在网络训练时动态扩充训练集中小缺陷的数量;并对YOLOv3网络进行了改进,拆分其浅层大特征图,取部分与预测分支的特征图融合以保留浅层的小缺陷特征;使用加权的改进损失函数对网络进行训练,提高网络对小缺陷的重视程度和识别准确率.该方法在RTX 2060Ti GPU下对512×512像素的缺陷图片进行识别,速度可以达到14.09帧/s,识别mAP为71.80％,比常用目标检测方法高出5％ ～10％.对于小于64×64像素的小缺陷,方法的mAP达到64.15％,比YOLOv3-GIoU高出14％.所提出的CSYOLOv3方法能够有效地识别工件表面缺陷,对小缺陷的识别效果有明显提升.