基于YOLOv3的磁瓦表面缺陷检测算法

基于YOLOv3的磁瓦表面缺陷检测算法

论文摘要

由于磁瓦缺陷本身对比度、不同缺陷特征不尽相同等原因,传统缺陷检测算法检测效果较差。针对不同缺陷特征的磁瓦缺陷检测的问题,提出了一种基于YOLOv3的磁瓦缺陷检测方法。YOLOv3借鉴Resnet的残差结构可以很轻松的构建更深的卷积网络,更深的网络可以更好地表达磁瓦缺陷的特征。同时其类似FPN的特征融合思想,可以较好地保证小缺陷样本不会出现特征丢失的情况。基于以上优点,YOLOv3很适合应用于缺陷检测。实验结果表明,该方法在检测效果上不差于基于Resnet101的Faster R-CNN的方法,而且其平均检测速度快5倍以上。

论文目录

  • 1 YOLOv3算法描述
  •   1.1 YOLOv3的主体结构
  •     1.1.1 YOLOv3特征提取网络
  •     1.1.2 YOLOv3多尺度特征融合
  •     1.1.3 YOLOv3的类别预测
  •   1.2 损失函数
  • 2 基于YOLOv3的磁瓦缺陷检测
  •   2.1 磁瓦数据集
  •   2.2 实验条件及训练过程
  •   2.3 本文算法评估指标
  • 3 磁瓦检测结果与分析
  •   3.1 预处理图片
  •   3.2 缺陷检测结果
  •   3.3 不同算法检测结果对比
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 郭龙源,童光红,段厚裕,赵林,李武劲,欧先锋,晏鹏程,张一鸣

    关键词: 缺陷检测,深度学习,目标检测,磁瓦

    来源: 成都工业学院学报 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 汽车工业,计算机软件及计算机应用

    单位: 湖南理工学院信息科学与工程学院,机器视觉及人工智能研究中心

    基金: 湖南省研究生科研创新项目资助(CX2018B779,CX2018B776),湖南省教育厅优秀青年项目(18B345),国家自然科学基金(51704115),湖南省自然科学基金面上项目(2019JJ40104)

    分类号: TP391.41;U472.9

    DOI: 10.13542/j.cnki.51-1747/tn.2019.03.006

    页码: 25-30

    总页数: 6

    文件大小: 1751K

    下载量: 327

    相关论文文献

    标签:;  ;  ;  ;  

    基于YOLOv3的磁瓦表面缺陷检测算法
    下载Doc文档

    猜你喜欢