基于卷积神经网络的热轧钢条表面实时缺陷检测

• 作者: 刘艳菊 王秋霁 赵开峰 刘彦忠
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 缺陷检测 YOLOv4 MobileNetv3 K-Means聚类
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 视觉检测与图像测量|Visual Inspection and Image Measurement
• 页码范围: 211-219
• 页数: 9页
• 分类号: TP391.41|TH878
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2108078

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.