基于改进YOLOv3算法的带钢表面缺陷检测OA北大核心CSCDCSTPCD
Strip Steel Surface Defect Detection Based on Improved YOLOv3 Algorithm
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.
李维刚;叶欣;赵云涛;王文波
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
信息技术与安全科学
目标检测带钢表面缺陷YOLOv3加权K-means
《电子学报》 2020 (7)
1284-1292,9
国家自然科学基金(No.51774219)
评论