基于YOLOv4算法的冲压件缺陷检测

• 作者: 孙永鹏 钟佩思 刘梅 曹爱霞 李梁
• 来源期刊: 锻压技术
• 学科: 工学
• 关键词: 冲压件 缺陷检测 YOLOv4 K-means MobileNetV3
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机应用|COMPUTER APPLICATION
• 页码范围: 222-228
• 页数: 7页
• 分类号: TP391.41|TG38
• 语种: 中文
• DOI: 10.13330/j.issn.1000-3940.2022.01.032

摘要

针对冲压件缺陷检测目前存在的人工检测强度大、效率低等问题,提出了一种基于改进YOLOv4(You Only Look Once)模型的快速检测算法(YOLOv4-Mobile).该方法使用改进的MobileNetV3网络代替YOLOv4结构中的CSPDarknet53网络,改进的MobileNetV3网络结合了深度可分离卷积、具有线性瓶颈的倒残差结构以及SE结构(轻量级注意力结构).利用车间采集的冲压件图像,建立缺陷数据集并进行数据增强,使用K均值(K-means)聚类算法得到一组对应冲压件缺陷数据集的先验框参数,提高了先验框与特征图层的匹配度.实验结果表明:基于改进YOLOv4模型的快速检测算法的平均精度达到89％,高于SSD算法;同时,单张检测时间达到0.15 s,优于原有的YOLOv4算法.