节点文献

基于YOLOv3的磁瓦表面缺陷检测算法

免费订阅

【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

【Author】 GUO Longyuan;TONG Guanghong;DUAN Houyu;ZHAO Lin;LI Wujing;OU Xianfeng;YAN Pengcheng;ZHANG Yiming;College of Information Science and Engineering,Hunan Institute of Science and Technology;Machine Vision & Artificial Intelligence Research Center,Hunan Institute of Science and Technology;

【通讯作者】 欧先锋;

【机构】 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

【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。

【关键词】 缺陷检测深度学习目标检测磁瓦
【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)
【所属期刊栏目】 工程与技术 (2019年03期)
  • 【DOI】10.13542/j.cnki.51-1747/tn.2019.03.006
  • 【分类号】TP391.41;U472.9
  • 【下载频次】164
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: