科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轧刚表面缺陷种类多样、形状多变导致检测效率低、精度差的问题，提出了一种改进YOLOv3的轧钢表面缺陷检测算法。首先，对骨干网络提取的特征采用PSA金字塔拆分注意力模块进行多尺度融合。其次，采用PAN结构代替FPN，使得浅层语义和深层语义的特征能充分融合。接着采用Decoupled＿Head，将回归预测和逻辑预测分离以避免之间的干扰。最后，在损失函数方面，根据真实框大小赋予不同权值，以提高网络对小目标的检测效果。实验表明改进后的YOLOv3在NEU-DEU数据集上的平均检测精度为80.01%，比原始的YOLOv3提高了3.05%，且相较于YOLOx、YOLOv5等算法也有较大的检测精度优势。
- 出版日期2023
- 单位东南大学; 自动化学院
