基于改进RetinaNet-GHM算法的钢板表面缺陷检测

作者：李雪露; 杨永辉^*; 储茂祥

来源：电子测量技术, 2023, 46(06): 100-105.

DOI：10.19651/j.cnki.emt.2210754

• 目标检测
• 路径聚合特征金字塔网络
• GHM损失函数
• 软化非极大值抑制

针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题，提出一种基于改进RetinaNet-GHM的深度学习检测算法。首先，引入路径聚合特征金字塔网络融合浅层和深层语义信息，提升网络对小目标的检测效果；然后，使用GHMC和GHMR损失函数对缺陷进行分类和定位；最后，引入高斯形式的软化非极大值抑制算法，提高检测精度。实验结果表明，改进的RetinaNet-GHM算法的平均精度均值为76.7%,裂纹、夹杂、斑块、麻点、压入氧化铁皮以及划痕六类缺陷的平均精度分别为45.2%、88.2%、94.2%、86.1%、65.1%和87.4%。通过与其他经典算法相比，改进的RetinaNet-GHM算法具有较好的检测效果

• 出版日期2023
• 单位辽宁科技大学