基于改进YOLO v4的热轧带钢表面缺陷检测

摘要：

针对热轧带钢表面缺陷尺寸差异大、部分缺陷特征相似,导致漏检、识别准确率低的问题,提出一种基于改进YOLO v4的热轧带钢表面缺陷检测算法.将模型的特征提取网络替换为MobileViT轻量化Transformer网络并添加自适应特征融合模块(ASFF),充分提取输入对象的全局、局部特征;采用K-Means++算法聚类生成更适合位置调整的先验框;通过改进的非极大值抑制算法降低漏检率.该方法在NEU-DET数据集上的平均精度较原YOLO v4算法提高了11.57％,FPS达到了45.7 frame/s.实验结果表明,改进后的算法在保证实时性的前提下,有效提高了检测精度.

关键词：热轧带钢、特征融合、深度学习、缺陷检测、聚类算法、目标检测、非极大值抑制

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC0309100

在线出版日期：2023-11-02（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：2786-2793