10.13433/j.cnki.1003-8728.20230034
一种改进YOLOv4-tiny的带钢表面缺陷实时检测方法
带钢表面缺陷检测是生产过程智能检测的重要任务.针对目前带钢表面缺陷检测算法效率低、实时性差的问题,本文提出了基于卷积神经网络的轻量级目标检测器.该方法以YOLOv4-tiny模型为框架,针对带钢表面缺陷检测任务的特殊性,结合了多尺度检测与空间注意力机制的优化策略,在保证检测效率的同时提高了轻量级目标检测器的精度.实验证明,所提出的改进的YOLOv4-tiny模型能够精确地检测带钢表面缺陷,平均均值精度mAP(mean Average precision)为 73.29%,并且每秒帧数FPS(Frames per second)达到 163,满足实际工业落地的实时性要求.
带钢表面缺陷、卷积神经网络、YOLOv4-tiny、多尺度检测、空间注意力机制
42
TP391.41;TP183;TG115.28(计算技术、计算机技术)
贵州省教育厅青年人才成长项目
2023-07-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
883-889