基于改进YOLOv3算法的带钢表面缺陷检测 |
| |
作者姓名: | 李维刚 叶欣 赵云涛 王文波 |
| |
作者单位: | 1. 武汉科技大学冶金自动化与检测技术教育部工程研究中心, 湖北武汉 430081;
2. 武汉科技大学高温材料与炉衬技术国家地方联合工程研究中心, 湖北武汉 430081;
3. 武汉科技大学理学院, 湖北武汉 430081 |
| |
基金项目: | 国家自然科学基金 No 51774219 |
| |
摘 要: | 针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框(priors anchor)与特征图层(feature map)的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.
|
关 键 词: | 目标检测 带钢表面缺陷 YOLOv3 加权K-means |
收稿时间: | 2019-07-29 |
|
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|