首页 | 本学科首页   官方微博 | 高级检索  
     

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
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号