基于改进YOLOv4的钢材表面缺陷检测

针对钢材表面缺陷检测精度低，易漏检、误检、定位不准确等问题，提出一种基于改进YOLOv4的钢材表面缺陷检测算法，首先使用K-means++算法分析标注框的分布信息，获取最优的锚框，提高定位精度，减少网络损失；其次在YOLOv4网络原有特征层基础上继续增加一浅层特征即尺度为104×104的新特征层，增大特征检测尺度，提高小缺陷目标检测精度；最后在原始主干网络的基础上引进注意力机制，使网络更多关注有用信息，从而使检测更准确。将上述算法与其它算法在NEU-DET数据集上进行对比实验，所提算法平均检测精度相较于原YOLOv4提高了4.69%达到78.10%,相较于目前其它的主流目标检测算法也更优秀。