改进YOLOv3算法的烟盒缺陷检测

作者：陈同宇; 陈洋; 范剑伟

来源：物联网技术, 2021, 11(04): 51-55.

DOI：10.16667/j.issn.2095-1302.2021.04.015

• 目标检测
• 烟盒缺陷识别
• 卷积神经网络
• YOLOv3
• 目标识别
• 损失函数

文中提出了一种基于改进YOLOv3算法的烟盒缺陷检测方法。在YOLOv3原网络中增加4倍降采样,改变YOLOv3目标框损失IoU为GIoU,改善候选框与真实框尺度敏感性。实验结果表明,改进后网络的平均检测精度由90.81%提升到97.29%,查准率提高7%,查全率提高7%,平均检测速度略有下降,但不影响烟盒表面缺陷的实时检测。总体而言,该方法相对于传统烟盒缺陷检测方法检测效率更高。

• 出版日期2021
• 单位安徽工业大学