提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷...提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷积,在保持感受野不变的前提下增加模型的宽度与深度,从而得到模型参数量减少、同时提升了模型性能的改进模型YOLOv3I(you only look once v3 inception).改进模型提高了对复杂缺陷的特征提取能力,并进一步降低了对硬件配置的要求.实验结果表明,改进模型在精度与计算效率上均有明显提升.平均准确率在公开数据集上约提高5%,在企业提供的轴承数据集上约提高3%,模型参数量下降超过20%,两个数据集上模型浮点计算量分别减少1.6×10^(9)和1.2×10^(10)次.展开更多
文摘提出一种金属表面缺陷检测方法的改进模型.首先,基于YOLOv3(you only look once v3)目标检测模型,使用多尺度卷积并行结构,提取、融合多尺度特征;其次,使用高效下采样,在保留特征信息的同时减少特征升维的计算量;最后,使用空间可分离卷积,在保持感受野不变的前提下增加模型的宽度与深度,从而得到模型参数量减少、同时提升了模型性能的改进模型YOLOv3I(you only look once v3 inception).改进模型提高了对复杂缺陷的特征提取能力,并进一步降低了对硬件配置的要求.实验结果表明,改进模型在精度与计算效率上均有明显提升.平均准确率在公开数据集上约提高5%,在企业提供的轴承数据集上约提高3%,模型参数量下降超过20%,两个数据集上模型浮点计算量分别减少1.6×10^(9)和1.2×10^(10)次.
