基于改进YOLOv3_Tiny的压敏电阻表面缺陷检测

摘要：

针对当前目标检测算法网络复杂,对平台设备要求高;而轻量化网络YOLOv3_Tiny对压敏电阻表面缺陷的检测精度较低,容易出现漏检错检的情况,提出了基于YOLOv3_Tiny的改进算法DAYOLOv3_Tiny.DAYOLOv3_Tiny构建了深度可分离卷积块替代标准卷积,使用卷积操作进行下采样,使检测网络在减少网络参数量的同时增加了特征的提取;并在网络中引入了通道注意力模块和空间注意力模块,增强了检测网络对重要特征信息的学习.在自制的压敏电阻表面缺陷数据集上进行实验,结果表明,DAYOLOv3_Tiny的mAP值为92.23％,较改进前提升了12.25％;改进后的 D A YOLO v3_Tiny 模型大小为 YOLOv3_Tiny 的55.42％,仅 18.9 MB.实验表明,DAYOLOv3_Tiny对压敏电阻表面缺陷的检测精度较高,能够有效改善漏检错检的情况,且网络模型较小,对硬件平台要求不高,易于在性能受限的平台部署.

关键词：YOLOv3_Tiny、缺陷检测、深度可分离卷积块、注意力模块

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：贵州大学培育项目;贵州大学引进入才培育项目

在线出版日期：2022-01-21（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：1147-1154