10.16208/j.issn1000-7024.2023.09.032
基于YOLOX的金属表面缺陷检测算法
为解决传统检测方法对金属表面缺陷检测速度慢、精度低的问题,研究基于深度学习的YOLOX检测算法.在YOLOv4主干网络加入Focus结构,避免图片下采样中信息丢失;预测端创新性采用无锚框思想、解耦头和SimOTA动态正样本匹配方法对融合后特征进行预测,加快收敛速度.将该算法用于金属表面缺陷数据集,实验结果表明,结合无锚框、解耦头、样本匹配方法可使平均检测精度均值提升到83.78%,比YOLOv3和YOLOv4算法分别提升13%和7%,检测图片速度达到65张/秒,检测精度和速度均具有明显提升.
目标检测、缺陷检测、单步检测算法、无锚框、特征金字塔、解耦头、样本匹配
44
TP391.41(计算技术、计算机技术)
国家自然科学基金51906133
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
2803-2810