改进 YOLOv4 的内丝接头密封面缺陷检测算法

针对传统目标检测算法对内丝接头密封面的缺陷识别率不高的问题，提出利用改进的YOLOv4算法对其进行检测。首先使用K-means++聚类算法对目标样本进行先验框参数优化，提高先验框与特征图的匹配度；其次在主干网络嵌入SENet注意力机制模块，强化图像关键信息，抑制图像背景信息，提高不易识别缺陷的置信度；然后在网络颈部增加SPP模块，增强主干网络输出特征的接受域，分离出重要的上下文信息；最后采用收集的内丝接头密封面缺陷数据集分别对改进前后的YOLOv4进行训练，并分别测试模型效果。实验结果表明，YOLOv4检测内丝接头密封面缺陷的性能较好，但有部分小目标漏检；改进后的模型对小目标缺陷的检测表现优异，均值平均精度(mAP)达到了87.47%,相比于原始YOLOv4提升了10.2%,平均检测时间为0.132 s,实现了对内丝接头密封面缺陷的快速准确检测。