基于改进YOLOv4的轻量化织物疵点检测方法

摘要：

为解决传统织物疵点检测速度慢、精度低以及部署难问题,提出一种基于改进YOLOv4的轻量化织物疵点检测方法.以YOLOv4网络为基础,使用轻量主干网络GhostNet,并添加Light CBAM注意力机制,以减少网络参数并提高检测精度;采用特征自适应融合ASFF策略,充分利用特征图纹理与语义信息,提高小目标疵点检测能力;改进NMS算法,生成预测框更快更精确.试验结果表明:相较于YOLOv4网络,改进的算法效率提升显著,mAP@0.5提高1.38个百分点,检测速度提高了14帧/s,模型参数量下降71.6％.

关键词：织物疵点、YOLOv4、轻量化、CBAM注意力、特征自适应融合

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：泉州市科技计划项目;福建省中科院STS计划配套院省合作项目;福建省中科院STS计划配套院省合作项目;泉州市人才创新共享联盟联合攻关项目

在线出版日期：2023-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15-21