基于改进YOLOv4的锂电池缺陷检测方法
针对传统方法检测锂电池表面缺陷精度低、速度慢的问题,提出一种改进的YOLOv4算法.首先,在CSPDarknet-53骨干网络中使用空洞卷积代替传统卷积,提高了对不同尺度缺陷的检测.其次,将通道注意力机制插入到颈部网络中,自适应地选择一维卷积核的大小,降低模型的复杂度和计算量.最后,在分类和边界框回归中融合条件卷积来提高网络性能,并扩大数据集以解决由于缺陷样本太少而导致的网络训练过拟合问题.实验结果表明,改进后的YOLOv4算法可以有效检测锂电池表面缺陷并提高对于缺陷的识别和定位能力.改进算法的平均精度均值为93.46%,相较原算法提高了 3.03%.
深度学习、锂电池、缺陷检测、YOLOv4
45
TP391.41;TN29(计算技术、计算机技术)
湖南省教育厅重点资助项目15A160
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
144-150