科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前铝型材表面缺陷检测存在的准确率、检测效率较低等问题，提出了一种基于改进的YOLOv3铝型材表面缺陷检测方法。首先通过k-均值聚类算法对采集到的数据集进行聚类分析，选取尺寸最优的目标候选框；考虑到铝型材表面缺陷较大，对YOLOv3的网络层级结构进行调整，并将目标检测层之前的6个CBL单元改成4个，再补充2个残差单元，以提高特征的复用。将提出方法用于铝型材表面缺陷检测，并与经典的卷积网络Faster-RCNN和SSD方法进行比较，实验结果表明，采用提出的算法准确率达到97%,检测速度达到47帧/s,明显优于经典的卷积网络Faster-RCNN和SSD,适于在有高精度快速性要求的铝型材表面缺陷检测中推广应用。
- 出版日期2022
- 单位自动化学院; 无锡市计量测试院; 南京工程学院
