改进YOLOv4的表面缺陷检测算法

摘要：

为解决航空发动机部件表面缺陷检测精度低、检测速度慢的问题,提出一种改进的YOLOv4算法进行智能检测.在路径聚合网络(PANet)结构中融合浅层特征与深层特征,增大特征检测尺度,同时去除自下而上的路径增强结构,提高小目标检测精度和整体检测速度;根据各类缺陷数量不同的情况,优化聚焦损失中的平衡参数,增加权重因子调节各类缺陷的损失权重,将改进后的聚焦损失代替分类误差中的交叉熵损失函数,降低样本不平衡和难易样本对检测精度的影响.实验表明:相比于原始YOLOv4算法,改进后的YOLOv4算法在测试集上的平均精度均值(mAP)为90.10％,提高了2.17％;检测速度为24.82 fps,提高了1.58 fps,检测精度也高于单发多框检测(SSD)算法、EfficientDet算法、YOLOv3算法和YOLOv4-Tiny算法.

关键词：YOLOv4、表面缺陷检测、航空发动机、小目标检测、聚焦损失

所属期刊栏目：49

分类号：V239;TP181(航空发动机（推进系统）)

在线出版日期：2023-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：710-717