基于轻量化YOLOv4的发电机定子表面缺陷检测算法

目前大型发电机定子表面缺陷检测主要以抽转子的人工检测为主,存在检测周期长,准确率差等问题,论文提出一种基于轻量化YOLOv4的发电机定子表面缺陷检测算法,以腔内爬壁机器人为载体进行定子缺陷检测。将改进的MobileNetv3作为算法的主干特征提取网络,通过在特征融合层引入CSP结构,融合卷积层和BN层的方法,使得论文算法模型体积较YOLOv4大幅减小。实验结果表明,论文算法在本文发电机定子表面缺陷数据集上的平均检测精度为98.3%,优于原始YOLOv4,模型体积比YOLOv4缩小了84.5%,检测速度提高了45.4%,表明了该方法在嵌入式平台上进行发电机定子缺陷实时检测的应用前景。