基于轻量化YOLO的X射线焊缝图像信息检测

作     者：谢经明 刘默耘 何文卓 刘西策 XIE Jingming;LIU Moyun;HE Wenzhuo;LIU Xice

作者机构：华中科技大学机械科学与工程学院湖北武汉430074 上海君睿信息技术有限公司上海201203 

出 版 物：《华中科技大学学报（自然科学版）》 (Journal of Huazhong University of Science and Technology(Natural Science Edition))

年 卷 期：2021年第49卷第1期

页      面：1-5页

核心收录：

学科分类：080903[工学-微电子学与固体电子学] 0810[工学-信息与通信工程] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省科技支撑计划资助项目(2014BEC056) 

主　　题：焊缝图像 卷积神经网络 X射线 轻量化 信息检测 

摘      要：为了对X射线焊缝图像上包含许多信息的识别标记进行准确识别,提出了YOLO-G网络和YOLO-D网络.设计基于YOLO(you only look once)的X射线焊缝图像信息检测方法,并通过引入多种轻量化技术大幅降低了网络模型的参数量与计算量,在保证高检测精度的同时加快检测速度,降低对高算力硬件的依赖性.同时根据检测对象的特点对网络结构的预测层以及锚点框的尺寸和个数进行了适应性调整.最后在数据集上进行实验,结果显示:相比于YOLO-V3,YOLO-G与YOLO-D具有更高的准确率,网络模型分别降低了89.6%和79.68%,计算量仅为YOLO-V3的11.4%和21.3%.