期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向智能手机玻璃盖板缺陷检测的YOLOv3改进和应用
被引量:
4
1
作者
伍济钢
成远
+1 位作者
邵俊
阳德强
《液晶与显示》
CAS
CSCD
北大核心
2021年第12期1728-1736,共9页
针对智能手机玻璃盖板缺陷检测方法存在检测柔性差、良率低、检测时间长等问题,提出一种改进YOLOv3的智能手机玻璃盖板缺陷检测方法。在特征提取网络方面增加通道注意力机制以解决缺陷特征不明显的问题,在特征检测网络方面增加了104...
针对智能手机玻璃盖板缺陷检测方法存在检测柔性差、良率低、检测时间长等问题,提出一种改进YOLOv3的智能手机玻璃盖板缺陷检测方法。在特征提取网络方面增加通道注意力机制以解决缺陷特征不明显的问题,在特征检测网络方面增加了104×104维度大小的特征图以解决缺陷多尺度的问题,最后对模型进行剪枝减少模型参数,提高缺陷检测速度。从智能手机玻璃盖板生产现场获得涵盖崩边、坑点、脏污和划痕等4类缺陷的图片构建缺陷数据集,对本文提出的方法和Faster R-CNN、YOLOv3、YOLOv4等算法进行对比实验和分析。实验结果表明,本文提出方法的检测平均精度均值(mean Average Precision,mAP)为81.0%,检测速度为43.1 fps。相比原始YOLOv3算法,检测mAP提升了3%,检测速度增加了6.7 fps,相比于其他深度学习算法,检测速度和检测精度均有所提升。所提方法满足智能手机玻璃盖板工业生产现场缺陷高精度、高效检测的需要。
展开更多
关键词
智能手机玻璃盖板
缺陷检测
YOLOv3
通道注意力机制
模型剪枝
下载PDF
职称材料
题名
面向智能手机玻璃盖板缺陷检测的YOLOv3改进和应用
被引量:
4
1
作者
伍济钢
成远
邵俊
阳德强
机构
湖南科技大学机械设备健康维护湖南省重点实验室
出处
《液晶与显示》
CAS
CSCD
北大核心
2021年第12期1728-1736,共9页
基金
国家自然科学基金(No.51775181)。
文摘
针对智能手机玻璃盖板缺陷检测方法存在检测柔性差、良率低、检测时间长等问题,提出一种改进YOLOv3的智能手机玻璃盖板缺陷检测方法。在特征提取网络方面增加通道注意力机制以解决缺陷特征不明显的问题,在特征检测网络方面增加了104×104维度大小的特征图以解决缺陷多尺度的问题,最后对模型进行剪枝减少模型参数,提高缺陷检测速度。从智能手机玻璃盖板生产现场获得涵盖崩边、坑点、脏污和划痕等4类缺陷的图片构建缺陷数据集,对本文提出的方法和Faster R-CNN、YOLOv3、YOLOv4等算法进行对比实验和分析。实验结果表明,本文提出方法的检测平均精度均值(mean Average Precision,mAP)为81.0%,检测速度为43.1 fps。相比原始YOLOv3算法,检测mAP提升了3%,检测速度增加了6.7 fps,相比于其他深度学习算法,检测速度和检测精度均有所提升。所提方法满足智能手机玻璃盖板工业生产现场缺陷高精度、高效检测的需要。
关键词
智能手机玻璃盖板
缺陷检测
YOLOv3
通道注意力机制
模型剪枝
Keywords
smartphone cover screen
defect detection
YOLOv3
channel attention mechanism
model pruning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向智能手机玻璃盖板缺陷检测的YOLOv3改进和应用
伍济钢
成远
邵俊
阳德强
《液晶与显示》
CAS
CSCD
北大核心
2021
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部